FILIPE DE MORAIS CANGUSSU PESSOA
DINÂMICA DA PRODUTIVIDADE DA MÃO-DE-OBRA NA
AGROPECUÁRIA DE MINAS GERAIS: UM ESTUDO DE
CONVERGÊNCIA
VIÇOSA
MINAS GERAIS – BRASIL
2011
Dissertação apresentada à
Universidade Federal de Viçosa,
como parte das exigências do
Programa de Pós-Graduação em
Economia Aplicada, para
obtenção do título de Magister
Scientiae.
FILIPE DE MORAIS CANGUSSU PESSOA
DINÂMICA DA PRODUTIVIDADE DA MÃO-DE-OBRA NA
AGROPECUÁRIA DE MINAS GERAIS: UM ESTUDO DE
CONVERGÊNCIA
APROVADA: 31 de janeiro de 2011
___________________________________ _______________________________
Profa. Daniela Almeida Raposo Prof. Jader Fernandes Cirino
Torres
___________________________________ _________________________________
Prof. Márcio Antônio Salvato Prof. Erly Cardoso Teixeira
(Coorientador) (Coorientador)
__________________________________
Prof. Marcelo José Braga
(Orientador)
Dissertação apresentada à
Universidade Federal de Viçosa,
como parte das exigências do
Programa de Pós-Graduação em
Economia Aplicada, para
obtenção do título de Magister
Scientiae.
ii
Este trabalho é dedicado aos meus pais, irmão e esposa que sempre me apoiaram ao longo
de minha trajetória.
iii
AGRADECIMENTOS
Primeiramente gostaria de agradecer aos meus pais José e Heliana, sem eles
dificilmente essa etapa de minha vida teria sido concluída, o mérito dessa conquista é muito
mais deles do que meu. Foram anos de dedicação, amizade, carinho e, acima de tudo, amor.
Agradeço ao meu irmão Vinícius pela amizade, uma amizade que jamais teria tido não
fosse ele meu irmão, e exemplo de vida, sua perseverança, competência e paixão pela
profissão são quesitos que busco em minha vida.
Agradeço à minha esposa Cecília pelo amor incondicional, companheirismo e apoio
diário, ela mais do que ninguém viveu cada momento dessa jornada sempre me incentivando,
o que tornou o caminho até aqui bem menos árduo e repleto de boas lembranças.
Agradeço ao meu orientador Marcelo José Braga e aos meus co-orientadores Márcio
Antônio Salvato e Erly Cardoso Teixeira, todos foram peças chaves no desenvolvimento do
trabalho, sempre despenderam a mim toda a atenção e apoio que precisei. Não me lembro de
nenhum momento que, diante de uma dificuldade, não tenham apontado uma solução.
Agradeço à colega Leydimere pela ajuda na confecção dos mapas, sua solicitude e
paciência foram admiráveis.
Agradeço ao professor Márcio Polleti Laurini pela consultoria dada no software TSRF
Econometric Package, sem sua ajuda boa parte dessa dissertação não teria sido realizada.
Agradeço à Capes – Coordenação de Aperfeiçoamento de Pessoal de Nível Superior e
à Fapemig – Fundação de Amparo à Pesquisa do Estado de Minas Gerais, pelo apoio
financeiro.
iv
Agradeço à Universidade Federal de Viçosa e, em particular, ao Departamento de
Economia Rural, pela excelente estrutura física e qualidade de ensino, o que permitiu ampliar
meus conhecimentos e enriquecer profissionalmente.
Agradeço aos membros da banca pelas sugestões que certamente melhoraram a
qualidade do trabalho.
Agradeço aos amigos que fiz ao longo dessa trajetória, Daniel, Paulo, Airton, Marcos,
Reisoli, Dênis e Cláudia, são pessoas com as quais me orgulho de ter convivido e cuja
amizade desejo cultivar para sempre.
Por fim, gostaria de agradecer aos funcionários do Departamento de Economia Rural,
em especial à Carminha, que com bom humor e profissionalismo sempre tornou a resolução
de tarefas burocráticas por parte dos discentes um ofício fácil e prazeroso.
v
BIOGRAFIA
Filipe de Morais Pessoa, filho de José de Moraes Pessoa e Heliana do Espírito Santo
Pessoa, nasceu em 13 de junho de 1984 em Belo Horizonte, Minas Gerais.
Em 2003 iniciou a graduação em Ciências Econômicas pela Pontifícia Universidade
Católica de Minas Gerais no Instituto de Ciências Econômicas e Gerenciais (ICEG), tendo
concluído o curso em 2006.
Ingressou em março de 2008 no Mestrado em Economia Aplicada pelo Departamento
de Economia Rural da Universidade Federal de Viçosa e defendeu sua dissertação em janeiro
de 2011.
Foi aprovado no curso de Doutorado em Economia Aplicada, também na Universidade
Federal de Viçosa, para ingresso no primeiro semestre de 2011.
vi
SUMÁRIO
LISTA DE TABELAS ........................................................................................................ viii
LISTA DE FIGURAS ............................................................................................................ x
RESUMO ............................................................................................................................ xii
ABSTRACT ....................................................................................................................... xiv
1. INTRODUÇÃO ................................................................................................................. 1
1.1. Considerações iniciais ................................................................................................. 1
1.2. O problema e sua importância ..................................................................................... 2 1.3. Hipótese ...................................................................................................................... 5
1.4. Objetivos ..................................................................................................................... 5 1.4.1. Objetivo geral ....................................................................................................... 5
1.4.2. Objetivos Específicos ........................................................................................... 5
2. A CONVERGÊNCIA DE RENDA .................................................................................... 6
2.1. Modelos de crescimento neoclássico e convergência ................................................... 6 2.2. Modelos de crescimento endógeno e a ausência de convergência ................................. 8
2.3. Estudos de convergência no mundo ............................................................................. 9 2.4. Estudos de convergência no Brasil............................................................................. 11
3. METODOLOGIA ............................................................................................................ 13
3.1. Modelo Analítico ...................................................................................................... 13
3.1.1. β-convergência e σ-convergência ........................................................................ 13 3.1.2 Densidades de distribuição................................................................................... 15
3.1.3 Processo estacionário de primeira ordem de Markov ............................................ 16 3.1.4 O uso de núcleo estocástico na estimação das probabilidades de transição ........... 21
3.2. Procedimentos utilizados ........................................................................................... 22 3.3. Fonte de Dados .......................................................................................................... 23
4. RESULTADOS E DISCUSSÕES .................................................................................... 25
4.1. Primeiras Evidências ................................................................................................. 25
4.2. β-convergência e σ-convergência............................................................................... 30 4.3. Densidades de Distribuição ....................................................................................... 33
4.4. Matrizes de Transição de Markov .............................................................................. 38
vii
4.5. Núcleo Estocástico .................................................................................................... 52
5. RESUMO E CONCLUSÕES ........................................................................................... 59
REFERÊNCIAS .................................................................................................................. 62
ANEXOS ............................................................................................................................. 68
ANEXO A ....................................................................................................................... 69
ANEXO B ....................................................................................................................... 72 ANEXO C ....................................................................................................................... 79
ANEXO D ....................................................................................................................... 80
viii
LISTA DE TABELAS
Tabela 1 – Estatísticas descritivas das variáveis utilizadas para o cálculo do processo de
convergência nas microrregiões e municípios de Minas Gerais...............................................34
Tabela 2 – β-convergência absoluta entre as microrregiões e os municípios de Minas
Gerais................................................................................................................ ........................40
Tabela 3 – σ-convergência entre as microrregões e os municípios de Minas Gerais...............41
Tabela 4 – Classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006.....................................................48
Tabela 5 – Matrizes de transição de Markov para as microrregiões de Minas Gerais no
período de 1970 a 2006.............................................................................................................49
Tabela 6 – Dinâmica das classes de produtividade relativa da mão-de-obra na agropecuária
entre as microrregiões de Minas Gerais em direção ao equilíbrio de longo prazo no período de
1970 a 2006...............................................................................................................................51
Tabela 7 – Classes de produtividade relativa da mão-de-obra na agropecuária entre os
municípios de Minas Gerais no período de 1970 a 2006..........................................................53
Tabela 8 – Matrizes de transição de Markov para os municípios de Minas Gerais no período
de 1970 a 2006..........................................................................................................................56
Tabela 9 – Dinâmica das classes de produtividade relativa da mão-de-obra na agropecuária
entre os municípios de Minas Gerais em direção ao equilíbrio de longo prazo no período de
1970 a 2006...............................................................................................................................59
Tabela 1A – Relação dos municípios em que houve emancipação ao longo do período de 1970
a 2006........................................................................................................................................77
Tabela 1B – Classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006.....................................................80
ix
Tabela 2B – Matrizes de transição de Markov para as microrregiões de Minas Gerais no
período de 1970 a 2006.............................................................................................................81
Tabela 3B – Classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006.....................................................83
Tabela 4B – Matrizes de transição de Markov para os municípios de Minas Gerais no período
de 1970 a 2006..........................................................................................................................84
x
LISTA DE FIGURAS
Figura 1 – Evolução da produtividade da mão-de-obra na agropecuária do Brasil e de Minas
gerais no período de 1970 a 2006.............................................................................................12
Figura 2 – Disposição espacial da produtividade relativa da mão-de-obra na agropecuária das
microrregiões de Minas Gerais nos anos de 1970 (a), 1975 (b), 1980 (c), 1985 (d), 1996 (e), e
2006 (f)......................................................................................................................................36
Figura 3 – Disposição espacial da produtividade relativa da mão-de-obra na agropecuária dos
municípios de Minas Gerais nos anos de 1970 (a), 1975 (b), 1980 (c), 1985 (d), 1996 (e), e
2006 (f)......................................................................................................................................38
Figura 4 – Evolução do desvio-padrão da produtividade relativa da mão-de-obra na
agropecuária entre as microrregiões e os municípios de Minas Gerais no período de 1970 a
2006...........................................................................................................................................42
Figura 5 – Evolução das densidades de distribuição da produtividade relativa da mão-de-obra
na agropecuária entre as microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a
2006 (b), 1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).................................................44
Figura 6 – Evolução das densidades de distribuição da produtividade relativa da mão-de-obra
na agropecuária entre os municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a
2006 (b), 1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).................................................47
Figura 7 – Núcleo estocástico da produtividade relativa da mão-de-obra na agropecuária para
as microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a
2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).............................................................................64
Figura 8 – Núcleo estocástico da produtividade relativa da mão-de-obra na agropecuária para
os municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006
(c), 1985 a 2006 (d) e 1996 a 2006 (e)......................................................................................67
Figura 1B – Comparativo entre a distribuição no estado estacionário para a produtividade
relativa da mão-de-obra na agropecuária das microrregiões de Minas Gera pelo método de
xi
Quah (1992) e Magrini (1999) no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006
(c), 1985 a 2006 (d) 1996 a 2006 (e).........................................................................................82
Figura 2B – Comparativo entre a distribuição no estado estacionário para a produtividade
relativa da mão-de-obra na agropecuária das microrregiões de Minas Gera pelo método de
Quah (1992) e Magrini (1999) no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006
(c), 1985 a 2006 (d) e 1996 a 2006 (e)......................................................................................85
Figura 1D – Evolução das classes de produtividade relativa da mão-de-obra na agropecuária
entre as microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980
a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e)..........................................................................88
Figura 2D – Evolução das classes de produtividade relativa da mão-de-obra na agropecuária
entre os municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a
2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).............................................................................90
xii
RESUMO
PESSOA, Filipe de Morais Cangussu, M.Sc., Universidade Federal de Viçosa, Janeiro de
2011. Dinâmica da produtividade da mão-de-obra na agropecuária de Minas Gerais:
um estudo de convergência. Orientador: Marcelo José Braga. Co-orientadores: Márcio
Antônio Salvato e Erly Cardoso Teixeira.
O setor agropecuário mineiro experimentou, a partir da década de 60, um aumento
expressivo de sua produtividade da mão-de-obra na agropecuária com o uso de insumos,
equipamentos e técnicas modernas de cultivo, impulsionados pela revolução verde. Contudo,
a implementação da política de modernização do setor, que viabilizou tais avanços, se deu de
forma heterogênea ao longo do estado de Minas Gerais, o que gerou disparidades regionais.
Diante disso, o presente estudo tem como objetivo investigar se, por trás dessa tendência
ascendente de produtividade e de sua distribuição dispare ao longo do estado, existe um
processo de convergência, em que regiões agropecuárias de baixa produtividade estariam
reduzindo o hiato existente em relação às regiões agropecuárias de alta produtividade. Para
tanto, buscou-se analisar a sensibilidade de ocorrência ou não deste fenômeno a diferentes
níveis de agregação geográfica (microrregiões e municípios), metodologias de teste e períodos
de análise. Os resultados apontam que as microrregiões mineiras não apresentaram um
processo de β-convergência absoluta e σ-convergência. Ao se modelar sua distribuição de
produtividades mediante densidades de distribuição, vê-se que esta sofreu um deslocamento
de massa para a esquerda, indicando piora na mesma. Utilizando-se um processo estacionário
xiii
de primeira ordem de Markov, em sua versão discreta e contínua, para captar a dinâmica de
evolução da distribuição de produtividades obteve-se um resultado de alta persistência. Os
municípios apresentaram um processo de β-convergência absoluta, contudo, não foi
verificado σ-convergência. Sua distribuição de produtividades também sofreu um
deslocamento de massa para a esquerda. Já sua dinâmica de evolução apresentou um processo
de convergência em direção a classes inferiores de produtividade. Conclui-se que o
crescimento econômico não está sendo capaz de reduzir as diferenças regionais e que as
políticas públicas direcionadas ao setor deveriam ser mais bem pensadas, visando não
somente ao crescimento da produção. Dado que o desenvolvimento da agropecuária está em
grande medida associado às habilidades e ao nível de escolaridade de seus trabalhadores e
empresários, deve-se buscar a redução de tais desigualdades pela redução das desigualdades
em termos de capital humano. Para tanto, políticas de treinamento da mão-de-obra rural, no
ensino tradicional e alternativo, devem ser formuladas em conjunto com políticas de estímulo
ao aumento da produção.
xiv
ABSTRACT
PESSOA, Filipe de Morais Cangussu, M.Sc., Universidade Federal de Viçosa, January 2011,.
Dynamics of labor productivity in agriculture in Minas Gerais: a study of
convergence. Adviser: Marcelo José Braga. Co-advisers: Márcio Antônio Salvato and Erly
Cardoso Teixeira.
The agricultural sector in Minas Gerais has experienced a significant increase in labor
productivity since the 1960s, due to the use of modern inputs, equipments, and farming
techniques driven by the green revolution. Nonetheless, the implementation of the
modernization policy which brought about such advances was undertaken in an uneven
fashion throughout the state, thus causing regional disparities. That being said, the present
study aims to investigate if there exists a convergence process in which low-productivity
agricultural regions catch up and reduce the gap with respect to high-productivity areas,
notwithstanding the tendency of increasing productivity and its unequal spatial distribution.
To that end, we attempted to assess the sensitivity of the occurrence of this phenomenon to
different levels of geographical aggregation (microregions and municipalities), testing
methodologies, and time spans. The results indicate the microregions in Minas Gerais have
not exhibited an absolute ß-convergence or s-convergence process. Modeling the distribution
of productivities by the means of distribution densities, we find it has worsened inasmuch as
there was a mass displacement to the left. To capture the dynamics of evolution of the
xv
distribution of productivities, the discrete and continuous version of a first order stationary
Markov process was used and we obtained a result of high persistency. Municipalities have
exhibited an absolute ß-convergence process, but s-convergence was not verified. Its
distribution of productivities has also shifted to the left. The dynamics of evolution has
exhibited a process of convergence towards classes of low productivity. We conclude
economic growth has not been capable of reducing regional differences, and public policies
directed to this sector should be more thoughtful, addressing not only the growth in
production. Given the development of agriculture is, to a large extent, associated to the
abilities and the schooling level of its workers and entrepreneurs, the reduction of such
inequalities should be sought in terms of human capital. To that end, policies of training of
rural labor, in the traditional and alternative teaching, should be formulated along with
policies that stimulate the increase in production.
1
1. INTRODUÇÃO
1.1. Considerações iniciais
Uma questão que tem recebido grande atenção na literatura sobre crescimento
econômico é se a taxa de crescimento da renda per capita ou da produtividade dos países ou
sub-regiões destes tendem a variar inversamente com o seu nível inicial. A questão em si
desperta a possibilidade de que economias pobres tenderiam a crescer a taxas superiores às de
economias ricas e, conseqüentemente, a distância entre ambas se estreitaria com o passar do
tempo, desencadeando o que a literatura denomina de processo de convergência ou,
simplesmente, convergência.
Segundo Romer (2006), existem pelo menos três razões que justificam essa
conjectura. A primeira é que os modelos de crescimento neoclássico prevêem que as
economias convirjam para seu estado estacionário (estado no qual todas as variáveis do
modelo estão crescendo a uma taxa constante), conseqüentemente, se a diferença na renda per
capita entre os países reflete o fato de estes estarem em pontos distintos em relação a seus
estados estacionários, pode-se esperar que países pobres cresçam a fim de alcançar os países
ricos. Segundo, os modelos neoclássicos de crescimento indicam que a taxa de retorno do
capital é menor em países com mais capital por trabalhador, o que implica que existem
incentivos para que o capital migre de países ricos para pobres. Terceiro, se existem atrasos na
difusão do conhecimento, diferenças na renda podem surgir porque alguns países ainda não
2
estão empregando a melhor tecnologia disponível. Estas diferenças tendem a reduzir tão logo
os países pobres obtenham acesso aos métodos que estão na fronteira do conhecimento.
Contudo, estas razões foram contestadas ao longo da década de oitenta pela Nova
Teoria do Crescimento Econômico (NTCE) ao apresentar os modelos de crescimento
endógeno. Estes diferem substancialmente dos modelos neoclássicos por modelarem de forma
endógena o processo de progresso tecnológico e, assim, prever um crescimento perpétuo da
renda. De acordo com Silva Filho e Carvalho (2001), para que haja tal tipo de crescimento é
necessário apenas que a tendência decrescente dos retornos do capital seja eliminada. Neste
sentido, fatores como inovação tecnológica endógena (que surgem como resultado dos
esforços dos agentes produtivos para maximizarem seus lucros), capital humano (ou seja, o
estoque de conhecimento dos agentes econômicos) e os arranjos institucionais (incluindo aí a
política governamental e a organização da sociedade civil) passam a assumir um papel crucial
no crescimento contínuo da renda per capita em qualquer sistema econômico
Para Barro (1997), apesar do debate, os trabalhos empíricos recentes não têm recebido
sua inspiração da NTCE, ao contrário, se baseiam nos modelos neoclássicos de crescimento,
principalmente quando estes são aumentados para incorporar políticas governamentais,
acumulação de capital humano, decisões de fecundidade e difusão tecnológica. Isto porque a
investigação deste fenômeno, como aqui enunciado, e seus refinamentos conceituais, têm sido
respaldados por uma expressiva regularidade empírica nos dados para países e regiões.
1.2. O problema e sua importância
O setor agropecuário brasileiro, a partir da década de 1960, pode ser caracterizado pela
intensificação do uso de insumos, máquinas e equipamentos modernos, aspecto que se
desenvolveu impulsionado pelo pacote tecnológico conhecido como Revolução Verde. O
consórcio desses fatores com os edafoclimáticos (clima, solo e condições do tempo)
favoráveis criou condições propícias para o incremento e sustentação de taxas positivas de
crescimento da oferta de produtos agropecuários de alta qualidade e a custos menores. A
utilização dessas novas tecnologias resultou em ganhos expressivos de produtividade agrícola
no Brasil, conforme mostrado por Gasques et al. (2004), Vicente (2006) e Gonçalves (2007),
e que favoreceram a diversificação e a ampliação da produção em todas as regiões do país.
Concomitante a tal quadro, verifica-se nas últimas décadas no Brasil um êxodo rural
expressivo. Mais especificamente em Minas Gerais, a população rural como porcentagem da
3
população urbana, segundo dados divulgados pela Secretaria de Estado de Agricultura,
Pecuária e Abastecimento (SEAPA, 2009), passou de 32,1% em 1980 para 15,3% em 2006,
dinâmica típica de uma economia em crescimento (GOLLIN et al., 2002; YANG; ZHU,
2008). Assim, para a agropecuária do estado cumprir com as funções estabelecidas pelas
políticas macroeconômica e setorial, como oferta crescente de alimentos para consumo
doméstico, ampliação do mercado para produtos da indústria, expansão da oferta da poupança
e geração de divisas externas, dado o declínio de sua mão-de-obra, é imprescindível aumentar
a produtividade deste fator. Além disso, a elevação da produtividade da mão-de-obra do setor
agropecuário mineiro neste processo se faz necessária tendo em vista a preocupação de elevar
a renda do trabalhador rural, para que este tenha incentivo a permanecer no campo (STULP,
2004).
Os trabalhos de Gasques e Conceição (2000) e Freitas, Bacha e Fossati (2007) têm
apontado aumento da produtividade da mão-de-obra na agropecuária mineira a partir da
década de 1970, o que revela o resultado de políticas governamentais voltadas para a
modernização do setor. Tal resultado pode também ser visto na Figura 1, em que o
desempenho ascendente desse estado de 1970 a 1980 e, posteriormente, de 1995 a 2006 se
mostra superior à média brasileira.
Fonte: IBGE (2010). Elaborado pelo autor.
Figura 1 - Evolução da produtividade da mão-de-obra na agropecuária
do Brasil e de Minas gerais no período de 1970 a 2006.
Como informa Curi (1997), dentre as ações de política de modernização do setor
agropecuário mineiro, destacam-se os programas de incorporação de terras baratas do cerrado
4
ao processo produtivo, financiados e comandados pelo poder público durante o período 1960-
1980, e a reestruturação do arcabouço institucional responsável pela condução da política
agrícola (crédito rural subsidiado para aquisição de máquinas, equipamentos e fertilizantes
agrícolas; preços mínimos de garantia; pesquisa e assistência técnica).
Contudo, esse processo de modernização não ocorreu de maneira uniforme, dado que
contemplou regiões e produtos distintos o que, de certa forma, agravou a heterogeneidade do
desenvolvimento agrário no estado, levando a uma situação de modernização parcial. Isto
porque os instrumentos de política utilizados tinham abrangência nacional e adotaram um
pacote tecnológico relativamente inflexível, que não se adequava ao perfil de todos os
produtores rurais, principalmente o do produtor mineiro, e essa falta de flexibilidade foi
grandemente responsável pelo crescimento das disparidades regionais (MEYER; BRAGA,
1998).
Do exposto, verifica-se que há, apesar do crescimento da produtividade da mão-de-
obra na agropecuária em Minas Gerais, um quadro de disparidades entre suas regiões,
impulsionado principalmente por um processo de modernização agrícola que não contemplou
todo o estado. Diante de tal contexto, têm-se o arcabouço fundamental que justifica a análise,
qual seja, investigar se por trás deste aumento de produtividade e das disparidades existentes
no estado há uma tendência de regiões com baixa produtividade estarem reduzindo o hiato
existente entre as regiões com alta produtividade, embasado no processo de convergência
advogado pela literatura de crescimento econômico. Nesse âmbito, o estudo dessa variável
assume um papel importante já que “é uma estatística sintética útil acerca do nível de
desenvolvimento econômico no sentido que está altamente correlacionada com outros
indicadores de qualidade de vida” (JONES, 2000, p.3).
Apesar de existirem diversos trabalhos na literatura nacional que estudam o processo
de convergência em Minas Gerais1, poucos são os voltados para o setor agropecuário
2. Nesse
âmbito, o presente trabalho visa preencher essa lacuna utilizando como metodologias de
análise, densidades de distribuição, matrizes de transição de Markov e núcleo estocástico, o
que permite aprofundar o conhecimento desse setor mediante a construção de sua trajetória de
crescimento. Essa abordagem refina as metodologias de β e σ-convergência, tradicionalmente
utilizadas para tal finalidade, ao fornecer informação do formato de toda a distribuição de
1Por exemplo, Alves e Fontes (2001), Pimentel e Haddad (2004), Silva et al. (2005), Figueiredo, Filho e Souza
(2006) e Salvato et al. (2006). 2 Caldeira et al. (2010) analisa convergência no setor agropecuário mineiro no período de 1996 a 2006,
utilizando como variável de estudo o PIB agropecuário per capita com base nas metodologias de teste de β-
convergência absoluta e condicional e os teste de Quah (1993) e Drennan e Lobo (1999).
5
produtividade da mão-de-obra e de como ela evolui. Com isso, será possível identificar se as
políticas públicas voltadas à agropecuária mineira foram capazes de influenciar positivamente
ou não a trajetória dessa variável.
1.3. Hipótese
A produtividade da mão-de-obra no setor agropecuário mineiro não apresenta um
processo de convergência entre suas microrregiões e municípios.
1.4. Objetivos
1.4.1. Objetivo geral
O objetivo geral deste estudo é de investigar se existe um processo de convergência da
produtividade da mão-de-obra na agropecuária mineira no período de 1970 a 2006,
caracterizando sua trajetória de crescimento.
1.4.2. Objetivos Específicos
Os objetivos específicos consistiram em:
i) Determinar a produtividade da mão-de-obra na agropecuária de Minas Gerais
em nível municipal e microrregional, buscando identificar sua distribuição
espacial ao longo do estado;
ii) Verificar a existência e a sensibilidade do processo de
convergência/divergência;
iii) Identificar a trajetória de crescimento da produtividade da mão-de-obra na
agropecuária, bem como projetar seu comportamento futuro até o estado
estacionário.
6
2. A CONVERGÊNCIA DE RENDA
Explicar o crescimento econômico das nações é algo que esteve no cerne da moderna
economia desde o seu nascedouro. Tal explicação foi a principal motivação do que é
considerado o primeiro tratado sobre economia, intitulado “Um Inquérito sobre a Natureza e
as Causas da Riqueza das Nações” publicado em 1776 pelo economista escocês Adam Smith.
Desde então, a literatura que trata do tema tenta fornecer, de forma plausível e consistente,
respostas para perguntas como: quais os determinantes da riqueza de uma nação? Por que
alguns países são mais ricos que outros? Existe alguma tendência natural para que a renda de
todos os países venha a se igualar?
O último destes questionamentos consiste em um dos principais ramos de pesquisa da
área, leia-se convergência, e sua resposta permaneceu no campo retórico durante um longo
período. Entretanto, com o desenvolvimento dos modelos de crescimento neoclássico e
endógeno ao longo do século XX é que os seus mecanismos foram sendo desvendados por
meio de contribuições mensuráveis e com ferramental matemático suficiente para explicá-los.
2.1. Modelos de crescimento neoclássico e convergência
De acordo com Barro (1997), até a década de 60 a teoria de crescimento consistia
principalmente dos modelos de crescimento neoclássico, como desenvolvido por Ramsey
(1928), Solow (1956), Swan (1956), Cass (1965) e Koopmans (1963). Uma característica
marcante destes modelos, e que só foi explorada empiricamente recentemente, é sua
7
propriedade de convergência, cujo aspecto fundamental pode ser entendido na seguinte
constatação:
Uma hipótese aventada por historiadores econômicos com Aleksander Gerschenkron
(1952) e Moses Abramovitz (1986) é que, pelo menos em certas circunstâncias, os
países atrasados tendem a crescer mais rápido que os países ricos, a fim de fechar o
hiato entre os dois grupos. (JONES, 1998, p.52)
Em outras palavras, quanto mais baixo (alto) o nível inicial de renda per capita de um
país, mais alta (baixa) será sua taxa de crescimento predita pelo modelo. Sob a ótica destes
modelos a constatação se explica por meio da Lei dos Rendimentos Marginais Decrescentes, a
qual diz que a produção cresce a taxas decrescentes, ou seja, não é possível aumentar
indefinidamente a produção aumentando indefinidamente um ingrediente da produção em
face de outro. Quando se aumenta o número de máquinas em relação aos trabalhadores, o
rendimento de cada máquina adicional tornar-se-á cada vez mais baixo. É fato que esta
tendência decrescente levará a economia a um estado de estagnação de suas atividades (se
nenhum tipo de choque exógeno afetar essa economia), denominado pela literatura de
crescimento econômico de estado estacionário3 (EASTERLY, 2004).
A idéia de convergência foi também desenvolvida, de maneira menos formal, do ponto
de vista matemático, nos trabalhos de Abramovitz (1986) e Veblen (1915) apud Baumol
(1986), mostrando as possíveis desvantagens de ser uma economia líder. Segundo estes
autores, o processo de uma economia seguidora crescer a uma taxa superior ao de uma
economia líder é desencadeado pela troca de um padrão tecnológico pela economia líder, o
qual beneficia as economias seguidoras. Isso ocorre porque o padrão tecnológico que é
considerado obsoleto pela líder e, descartado, representa um grande salto de produtividade
para o seguidor, ademais, o tempo médio de criação de um novo padrão pela líder e reposição
do antigo é muito superior ao tempo de absorção do padrão obsoleto pela seguidora.4
Com o passar dos anos a literatura teórica, respaldada por resultados empíricos, se
aperfeiçoou e desenvolveu diferentes conceitos de convergência. Segundo Galor (1996)
existem três conceitos, são eles:
3 Diz-se que uma economia encontra-se no estado estacionário quando todas as suas variáveis (estoque de
capital, produto, consumo, investimento e poupança) assumem uma taxa de crescimento constante no tempo. (ELLERY JR; GOMES, 2003).
4 Sob este argumento está a suposição de que as economias seguidoras terão acesso ao padrão tecnológico
obsoleto e estoque de capital humano necessário à absorção deste padrão tecnológico.
8
1. Convergência Absoluta: a renda per capita dos países convergem no longo
prazo independente de suas condições iniciais;
2. Convergência Condicional: a renda per capita dos países que são semelhantes
em suas características estruturais (preferências, tecnologia, taxa de
crescimento populacional, políticas governamentais, etc.) convergem no longo
prazo independente de suas condições iniciais;
3. Convergência em clubes: a renda per capita de países que são semelhantes em
suas características estruturais converge no longo prazo, contanto, que suas
condições iniciais sejam também semelhantes. Existem múltiplos equilíbrios;
qual destes um país irá alcançar depende de suas condições iniciais ou algum
outro atributo estrutural.
2.2. Modelos de crescimento endógeno e a ausência de convergência
A publicação de pesquisas, a partir da metade da década de 1980, que contestavam a
existência de um processo de convergência e a incapacidade em explicar a persistência de
taxas positivas de crescimento da renda per capita ao longo de um século ou mais, sem
nenhuma tendência declinante aparente, levou, conforme Romer (1994) apud Islam (2004), ao
surgimento da NTCE na qual se enquadram os modelos de crescimento endógeno.
Estes modelos procuraram fornecer explicação para o crescimento sustentado no longo
prazo mediante uma teoria que modela o progresso tecnológico de forma endógena, uma das
principais deficiências dos modelos neoclássicos que atribuíam à taxa de progresso
tecnológico, exógena ao modelo, a explicação desse fenômeno.
Os pioneiros nessa nova agenda de pesquisa foram Romer (1986), Lucas (1988) e
Rebelo (1991). Nestes modelos o crescimento pode ser perpetuado indefinidamente porque os
retornos do investimento em uma ampla classe de bens de capital, os quais incluem capital
humano, não necessariamente diminuem com o desenvolvimento da economia. De acordo
com esta visão, transbordamentos de conhecimento entre produtores e externalidades
positivas tais como, inovação e difusão tecnológica, maior participação nas decisões políticas
(melhoria das instituições) e desenvolvimento econômico, geradas pelo acúmulo de capital
humano são responsáveis por evitar os retornos marginais decrescentes do capital.
9
Neste sentido, modelos de crescimento endógeno fazem previsões com relação à
convergência entre países e/ou regiões bem distintas daquelas realizadas pelos modelos de
crescimento neoclássico. Nos modelos de crescimento endógeno não existe um nível de
estado estacionário da renda per capita em virtude dos retornos não-decrescentes do capital,
sendo assim, diferenças entre países podem persistir indefinidamente, mesmo quando os
países apresentam parâmetros estruturais semelhantes.
Apesar de adequados na análise de longo prazo do comportamento da renda per
capita, tais modelos, em suas primeiras versões5, não foram capazes de explicar as
regularidades empíricas nos dados para países e regiões que corroboravam a hipótese de
convergência (condicional). Diante de tal quadro, a pesquisa empírica se voltou para
aplicações de extensões dos modelos neoclássicos que incorporassem variáveis como políticas
governamentais, capital humano e difusão tecnológica presentes nos modelos de crescimento
endógeno.
2.3. Estudos de convergência no mundo6
A literatura empírica sobre convergência teve seu início com Baumol (1986) 7, que
utilizando uma série histórica de mais de cem anos para a produtividade da mão-de-obra
observa que, em uma amostra de dezesseis países industrializados, ocorreu um processo de
convergência absoluta, tais países alcançaram o líder, Estados Unidos, em termos da taxa de
crescimento. De Long (1988) faz uma crítica ao estudo de Baumol (1986), mostrando que o
resultado de convergência encontrado é fruto de um viés de seleção de amostra e de erros de
medida no cômputo da produtividade devido à baixa qualidade dos dados no período inicial
abrangido pela série de produtividade.
Para De Long (1988), os países selecionados foram incluídos na amostra de um ponto
de vista ex post, ou seja, foram escolhidos porque tiveram sucesso no crescimento econômico
ao longo do século XX e não porque eram candidatos naturais a este sucesso no início do
5 Barro e Sala-i-Martin (1997) constroem um modelo que concilia o crescimento de longo prazo dos modelos de
crescimento endógeno (a partir do descobrimento de novas idéias pelas economias líderes), com o
comportamento de convergência dos modelos neoclássicos de crescimento (a partir da imitação gradual por
parte das economias seguidoras). 6 A literatura empírica sobre o tema é vasta, o que se faz nesta seção é uma seleção do que se considera a linha
central de desenvolvimento do assunto. 7 Este estudo foi o primeiro a abordar o conceito de clubes de convergência.
10
período de análise. Propõe então uma reamostragem de países ex ante, e demonstra que,
nestas circunstâncias, o resultado de convergência absoluta não se concretiza.
Outros estudos tiveram seu foco voltado para a análise de convergência condicional.
Segundo Islam (2004), os primeiros estudos a abordarem esta questão foram Kormendi e
Meguire (1985), e Grier e Tullock (1989). O primeiro encontrou evidência de convergência
condicional para a renda per capita em uma amostra de cinqüenta países, o segundo,
ampliando a amostra e o período de análise do primeiro estudo, testa a robustez do resultado
em repartições da amostra e do período, chegando a conclusões ora favoráveis, ora
desfavoráveis ao processo de convergência condicional.
A partir destes marcos a literatura se proliferou diversificando seu método e escopo de
análise. Dollar e Wolff (1988) analisam a convergência da produtividade da mão-de-obra na
indústria como um todo e em diversos segmentos do setor industrial para uma amostra de
treze países desenvolvidos no período de 1963 a 1982, chegando à conclusão de que a
convergência da produtividade na indústria como um todo é resultado da convergência em
seus segmentos. Wolff (1991) investiga o processo de convergência da produtividade total dos
fatores (PTF) em um grupo de sete países desenvolvidos no período de 1870 a 1979 obtendo
resultado favorável à convergência. Nesta mesma linha têm-se os trabalhos de Bernard e
Jones (1996a, 1996b) que investigam convergência para os países da Organização de
Cooperação e de Desenvolvimento Económico (OCDE) encontrando convergência.
Barro (1991), almejando contribuir para o debate entre modelos neoclássicos de
crescimento e modelos de crescimento endógeno, realiza um estudo sistemático em noventa e
oito países no período de 1960 a 1985 buscando identificar empiricamente as variáveis que
contribuem para taxas positivas de crescimento econômico, bem como para o processo de
convergência da renda per capita. Mankiw, Romer e Weil (1992), ao espírito de Barro (1991),
testam empiricamente a validade do modelo de Solow ao longo do período de 1960 a 1985,
obtendo evidência de convergência quando o modelo é controlado pelas variáveis de
investimento, crescimento populacional e capital humano, ou seja, a ocorrência de
convergência condicional.
Barro e Sala-i-Martin (1992) levam a análise ao nível regional ao estudarem quarenta
e oito estados norte-americanos no período de 1840 a 1988, encontrando evidência de
convergência absoluta para a renda per capita estadual.
Quah (1992, 1993, 1997) faz uma crítica aos métodos tradicionalmente usados para
testar convergência e inaugura um novo patamar de análise baseado em modelos de dinâmica
11
de distribuição, dando fôlego ao debate de convergência e gerando novas perspectivas de
análise, ao observar que a distribuição da renda mundial passou de unimodal para bimodal,
indicando que, enquanto alguns países tendem a convergir em direção aos mais ricos, outro
grupo de países parece ficar cada vez mais longe de tal objetivo.
2.4. Estudos de convergência no Brasil
No Brasil, os principais estudos que corroboram a existência de um processo de
convergência absoluta são Ferreira e Diniz (1995) que analisam o processo de convergência
para as rendas per capita estaduais do país no período de 1970 a 1985; Ferreira e Ellery Jr.
(1996) que estendem o período de análise de Ferreira e Diniz (1995) para 1970 a 1990;
Ferreira (1999) e Azzoni (2001) que estudam o processo de convergência em um período
ainda mais longo, de 1939 a 1995. Outros estudos encontram evidências de convergência
condicional, como é o caso de Ferreira (2000) e Azzoni et al. (2000) para o período 1981 a
1996.
Seguindo a linha de pesquisa de dinâmica de distribuição como adotada em Quah
(1993, 1997), têm-se Laurini et al. (2003) que analisando convergência de renda entre os
municípios brasileiros encontra a formação de dois clubes de convergência no período 1970 a
1996. Um clube de baixa renda formado pelas regiões Nordeste e Norte, e outro de renda mais
elevada formado pelos municípios das regiões Centro-Oeste, Sudeste e Sul. Mossi et al.
(2003) também encontram a formação de dois clubes de convergência para os estados
brasileiros ao longo do período de 1939 a 1996, um formado por estados de baixa renda na
região nordeste e outro por estados de renda elevada na região sudeste. Gondim, Barreto e
Carvalho (2007) corroboram os resultados destes estudos ao realizar análise semelhante para
o período de 1970 a 2000.
Stulp e Fochezatto (2004) analisam convergência para a renda per capita dos vinte e
dois Conselhos Regionais de Desenvolvimento do Rio Grande do Sul (COREDE) para o
período de 1985 a 1999, encontrando convergência em direção à média estadual; Stulp (2004)
analisa a convergência da produtividade da mão-de-obra agropecuária no Rio Grande do Sul,
constatando um processo moderado de convergência em direção à segunda classe de
produtividade mais elevada para o período de 1975 a 1996. Fochezatto e Stulp (2008), ao
ampliarem a abrangência geográfica de Stulp (2004), encontram a formação de dois clubes de
convergência para a produtividade da mão-de-obra agropecuária brasileira no período de 1990
12
a 2000, um clube de produtividade baixa formado pelas regiões norte e nordeste, e outro de
produtividade elevada formado pelas regiões sul, centro-oeste e sudeste.
Para Minas Gerais têm-se os estudos de Perobelli, Faria e Ferreira (2006) que não
encontram evidências de convergência para o PIB per capita no período de 1975 a 2003,
contudo, ao reduzir o período de análise para 1996 a 2003 o resultado anteriormente
encontrado não se mantém e, nesse sentido, há um processo de convergência entre os
municípios mineiros. Resende e Figueiredo (2008) utilizando regressões quantílicas para o
período de 1980 a 2000 chegam à conclusão de que a hipótese de convergência condicional
para a renda dos municípios mineiros não pode ser rejeitada.
Maranduba Júnior e Almeida (2008) também encontram um processo de convergência
condicional para o PIB per capita dos municípios mineiros no período de 1999 a 2004,
entretanto, advertem que a velocidade de convergência estimada foi bastante lenta e que,
diante desse resultado, as políticas regionais deveriam ser repensadas visando acelerar o
processo de convergência. Silva, Fontes e Alves (2004) analisando a existência de um
processo de convergência para a renda per capita das microrregiões mineiras no período de
1970 a 2000 evidenciam um processo de σ-convergência. Ressaltam que este resultado não é
suficiente para levar o estado à total equalização, o que gera a necessidade de políticas
públicas visando retirar algumas regiões de uma aparente armadilha de pobreza. O resultado
de β-convergência absoluta também é encontrado pelo estudo. Cabe ressaltar, que ao inserir
variáveis condicionantes denotando o capital humano os resultados melhoram, pois se teve
para o período de 1970 a 1991 aumento da velocidade de convergência e redução no período
de meia-vida.
13
3. METODOLOGIA
3.1. Modelo Analítico
Esta seção está dividida em quatro partes. A primeira faz uma breve exposição das
metodologias tradicionalmente utilizadas para analisar β-convergência e σ-convergência. A
segunda, a descrição da aplicação de densidades de distribuição para análise de convergência,
a terceira, a abordagem do processo estacionário de primeira ordem de Markov por meio de
matrizes de probabilidades de transição e, por fim, a quarta e última parte, o uso de núcleo
estocástico para estimação das probabilidades de transição.
3.1.1. β-convergência e σ-convergência
Existem diversas metodologias para estudar a evidência de convergência de uma
variável8 (renda, produtividade, produção, etc..) entre países e/ou regiões e existe alguma
correspondência entre as definições de convergência e a metodologia utilizada.
Fochezatto e Stulp (2004) citando Baumont et al. (2000) mostram que a hipótese de β-
convergência absoluta, em geral, é testada através de um modelo econométrico do tipo:
ii
i
TiyLn
y
yLn
T
)(
10,
0,
, (1)
8 Deste ponto em diante a referência será feita à variável objeto do presente estudo, leia-se, produtividade da
mão-de-obra agropecuária, ou simplesmente produtividade.
14
em que 0,iy é a produtividade da mão-de-obra agropecuária da região i no período inicial;
Tiy , é a mesma variável no período T ; T é o número de períodos analisados; i é um termo
de erro, que deve ser aleatório nii ,,1),0(~ 2 .
De acordo com esse modelo, diz-se que há β-convergência quando β é negativo e
estatisticamente significativo, uma vez que, nesse caso, a taxa média de crescimento da
produtividade entre os períodos 0 e T é negativamente correlacionada com o nível inicial da
mesma.
O teste da hipótese de β-convergência condicional consiste em estimar o modelo
econométrico abaixo, no qual algumas variáveis que tornam as regiões diferentes entre si são
isoladas e mantidas constantes:
iii
i
TiXyLn
y
yLn
T
)(
10,
0,
, (2)
em que Xi representa o vetor de variáveis específicas do estado estacionário da economia da
região i.
Esse vetor, geralmente, é composto de variáveis de estado, como o estoque de
capital físico e humano, e de variáveis de controle ou de ambiente, como a
participação do consumo público e do investimento doméstico no PIB, as
modificações dos termos de troca, a taxa de fecundidade, o grau de instabilidade
política e outras. (BARRO; SALA-I-MARTIN apud FOCHEZATTO; STULP,
2004, p.41)
Outro método utilizado para testar convergência é o de σ-convergência9, o qual se
refere à redução da dispersão da produtividade ao longo do tempo.
Ela consiste simplesmente no cálculo do desvio-padrão e na comparação dos
resultados em termos da produtividade na data inicial e final do período considerado, há σ-
convergência quando ocorre diminuição do desvio-padrão no período final. Em termos
algébricos, o teste de sigma convergência pode ser expresso da seguinte forma:
0DP
DPt (3)
9 Segundo Fochezatto e Stulp (2004) este conceito pode também ser tratado de forma absoluta ou condicional à
semelhança do que é feito na β-convergência.
15
em que DP é o desvio padrão da produtividade nos períodos inicial ( 0 ) e final ( t ). Para que
haja convergência é preciso que essa razão seja menor que um.
Apesar de sua facilidade computacional e ampla utilização, a literatura apresenta
várias críticas sobre essas metodologias, das quais se destacam:
Inconsistência entre as conclusões obtidas pelo método de β-convergência e σ-
convergência. De acordo com Friedman (1992) e Quah (1993b) é possível
obter um parâmetro β negativo e condizente com um aumento na dispersão da
produtividade, neste caso, um sinal negativo para tal parâmetro é condição
necessária para σ-convergência, mas não suficiente10
;
Conforme Quah (1993b), análises baseadas no primeiro e segundo momento da
distribuição, como é o caso de β-convergência e σ-convergência, são incapazes
de revelar características da dinâmica interna da distribuição.
3.1.2 Densidades de distribuição11
Visando contornar as deficiências das metodologias tradicionalmente empregadas para
estudo de convergência, principalmente no que tange à ausência de informação intra-
distribuição, dado que as regressões cross-section e o cômputo de dispersão revelam
informações médias da amostra como um todo, não sendo possível captar particularidades de
porções da amostra, é que a literatura de crescimento econômico iniciou a aplicação de
densidades de distribuição para análise da evolução da produtividade.
Esta análise pode ser feita pela discretização do espaço de produtividades, por meio da
construção de histogramas, os quais permitem uma visualização gráfica das freqüências
10
A constatação ficou conhecida na literatura como Falácia de Galton. Francis Galton, primo de Charles
Darwin, ao estudar a altura de filhos de pais altos e baixos, chegou a uma inferência incorreta feita a partir de
suas observações. Galton avaliou a altura dos pais contra a altura dos filhos. O resultado de sua investigação é
que filhos de pais altos tendem a ser altos, mas menores que seus pais, e que filhos de pais baixos tendem a ser
também baixos, mas maiores que seus pais e, desta forma, a altura da população tenderia a convergir para a
média. Ele não conseguiu, contudo, conciliar este resultado com um aumento cada vez maior da dispersão de alturas da população masculina. A falácia ocorre porque a seleção de observações tomando seus extremos
levaria naturalmente a essa tendência convergente. 11 Esta seção baseia-se em Gondim (2004).
16
relativas. Na construção do histograma, as economias12
analisadas são agrupadas em
intervalos de produtividade de tamanho fixo. Em seguida, conta-se quantas economias
pertencem a cada intervalo e desenha-se uma barra proporcional ao número contado. Um
problema existente na discretização de um espaço contínuo é a possibilidade de obtenção de
resultados diferentes dependendo da origem ou do tamanho dos intervalos escolhidos.
Para evitar as distorções produzidas pela discretização, pode-se estimar uma densidade
de distribuição pelo método de suavização por núcleo (kernel smoothing). Este método
considera cada economia de uma amostra de tamanho n o ponto central de um intervalo de
tamanho h13
, então a função densidade será estimada por:
n
i
ih xPnh
xf1
^
)(1
)( (4)
em que: P(xi) é uma função de ponderação, que no caso do núcleo normal, ou Gaussiano
corresponde a:
(5)
Na análise das densidades, uma curva mais concentrada (leptocúrtica) indica uma
maior convergência, ao passo que uma curva mais achatada (platicúrtica) indica maior
dispersão da rendas, portanto, maior divergência.
3.1.3 Processo estacionário de primeira ordem de Markov
O cálculo de densidades de distribuição carece, contudo, de informações quanto ao
mecanismo que gera uma determinada evolução da distribuição. Tem-se uma distribuição no
período t e outra no período t+1, mas não se sabe a dinâmica responsável por transformar tal
distribuição entre os períodos.
12 Economias aqui e ao longo do presente estudo devem ser entendidas como regiões agropecuárias. 13 A escolha ótima do valor de h será abordada na seção que trata sobre processo estacionário de primeira ordem
de Markov.
2
2
1exp
2
1)(
h
xxxP i
i
17
Para preencher esta lacuna, Quah (1992, 1993b) utiliza um processo estacionário de
primeira ordem de Markov por meio de matrizes de transição, o qual é capaz de gerar uma
“lei de movimento” que revele como a distribuição evolui no tempo.
Trata-se de um sistema de equações em diferenças, em que a solução será a condição
da economia no seu estado estacionário, após a convergência/divergência da produtividade,
ou seja,
tt YMY '1 (6)
em que Y é um vetor linha de produtividades em dois períodos de tempo distintos; M,
descreve a transição de um vetor de produtividades para outro.
Em outras palavras, M pode ser interpretada como uma matriz de probabilidades de
transição: para quaisquer duas classes de produtividade i e j ( Cji , ), em que C denota o
conjunto de todas as classes de produtividade, os elementos ijM definem a probabilidade de
se mover de uma classe i para uma classe j entre os períodos de tempo t e 1t . Suponha
que uma economia r está na classe i )( iY t
r no tempo t , se a seqüência ,, 10
rr YY satisfaz
a relação
}/Pr{},,/Pr{ 1011 t
r
t
rr
t
r
t
r
t
r YiYYYYiY (7)
para qualquer Ci , e para qualquer economia, então a evolução da distribuição de
produtividades Y descrita pela equação (6) pode ser analisada como um processo estacionário
de primeira ordem de Markov.14
A matriz de probabilidades de transição de níveis de produtividade é construída pelo
uso da razão desta variável em relação à média do estado. Dessa forma, a média estadual
passa a ser um, e as economias têm suas posições relativas classificadas por essa média,
obedecendo a classes relativas de níveis de produtividade.
14 Conforme observa Quah (1992) e Magrini (1999), a definição do processo de Markov na equação (2) não é
trivial, já que ela implica que a probabilidade de transição entre quaisquer dois estados (classes de produtividade
no presente caso) é independente do tempo. A suposição de homogeneidade temporal pode parecer forte, tendo
em vista que políticas e condições econômicas mudam ao longo do tempo, implicando mudanças nas
probabilidades de transição. Contudo, esta suposição é equivalente a analisar convergência em direção ao estado
estacionário rodando regressões (de seção cruzada ou série temporal) ao longo de períodos delimitados de tempo. O principal objetivo de todas estas abordagens não é o de fornecer previsões acuradas do futuro, mas sim
de esclarecer a natureza do processo de desenvolvimento econômico que caracteriza a região sob estudo, ao
longo do período de análise.
18
O intuito deste procedimento é possibilitar a classificação das duas distribuições ( t e
1t ) em um mesmo intervalo de classes. Mediante a organização das duas distribuições em
uma mesma estrutura de classes, será possível examinar como as economias migram de uma
classe para outra. Com base nessas migrações, será construída a matriz de probabilidades de
transição de Markov.
O grande desafio neste tipo de abordagem é definir um critério de construção da
matriz de Markov que não seja arbitrário a ponto de retirar a propriedade markoviana do
processo. No presente estudo será utilizado o critério15
de Magrini (1999). Tal critério baseia-
se em elementos estatísticos e será descrito em detalhes adiante.
Neste critério, antes de estabelecer a construção da matriz de Markov, procede-se ao
teste de normalidade Kolmogorov-Smirnov de cada uma das duas distribuições de
produtividade da mão-de-obra agropecuária para as economias em análise (microrregiões e
municípios mineiros). Os testes de normalidade são necessários, uma vez que a construção
das classes de níveis de produtividade requer a hipótese de normalidade16
da distribuição dos
dados, necessária para estabelecer sua amplitude, a qual será denominada h.
O valor de h, ou seja, a amplitude de classe é importante para a estimativa da função
densidade de probabilidade. Existe um trade-off para a escolha de h. Uma amplitude de classe
muito grande faz com que haja grande número de pontos em cada intervalo, perdendo
informação importante à respeito da dinâmica interna da distribuição. Com uma amplitude de
classe pequena, aumenta-se a possibilidade de ter classes de produtividade que não se
comunicam, inviabilizando a montagem da matriz. Dessa forma, o valor de h deve ser
escolhido para se fazer uma escolha ótima para o trade-off entre perda de dinâmica interna e
perda de comunicação entre as classes de produtividade.
De acordo com Magrini (1999), quando a distribuição é normal, o valor ótimo do
intervalo de classe é dado por h = 2,72s n -1/3
, em que s é o desvio-padrão da distribuição e n,
o número de observações.
Definidas as classes de produtividade, pode-se estimar a matriz de transição, de
Markov, a partir de um estimador de máxima verossimilhança da probabilidade de transição,
comparando o número de economias que pertencem a certa classe no período t e migram para
15 No Anexo B deste trabalho, como forma de comparação, constam os resultados utilizando-se o critério de Quah
(1992). Este critério deixa a cargo do pesquisador a definição do número de classes, determinando somente que haja um número uniformemente distribuído de economias entre as classes previamente definidas.
16 De acordo com Magrini (1999) o critério seria válido mesmo em situações onde as observações não seguissem
uma distribuição normal.
19
outras classes ou permanecem na mesma, no período 1t . As probabilidades de transição,
segundo Salvato et al. (2006), podem ser estimadas por:
n
k ktA
n
k ktAktAjij
XI
XIXIM
i
i
1 ,
1 ,,1^
(8)
em que ijM^
é a probabilidade de transição da classe i , no período t, para a classe j, no
período t+1; iA , classe de produtividade da mão-de-obra na agropecuária no período t ; jA ,
classe de produtividade da mão-de-obra na agropecuária no período 1t ; 1tX , elementos da
distribuição (produtividade da mão-de-obra agropecuária) no período 1t ; tX , elementos da
distribuição no período t ; e I(.) função de contagem.
Basicamente, esse estimador é uma contagem simples de quantas economias que
estavam em certa classe de produtividade da mão-de-obra na agropecuária no período t (Ai) e
migraram para uma classe no período 1t (Aj); Mt é a matriz de Markov, cujos elementos são
os ijM^
.
A matriz de Markov relaciona o vetor de distribuição de probabilidade da variável
produtividade da mão-de-obra agropecuária das classes iA , no período t, com aquela
verificada no período t+1. A diagonal principal representa a probabilidade de uma
determinada economia permanecer na mesma classe, e os elementos fora da diagonal
principal representam a probabilidade de transição entre as classes.
Como critério de convergência, pode-se afirmar que haverá convergência quando a
norma dos autovalores reais ou complexos de Mt for menor que a unidade. Como as somas
das linhas da matriz de Markov Mt têm que ser 1, pois trata-se de uma matriz de
probabilidades, obtém-se sempre um autovalor 1. Portanto, sempre haverá convergência para
um ou mais vetores de distribuição de produtividade da mão-de-obra agropecuária. A
presença de um único autovalor unitário e dos demais com norma menor que 1 indica que se
tem um processo de convergência para uma única distribuição de probabilidade que será
linear no autovetor correspondente ao autovalor unitário. Com esse vetor de convergência,
pode-se descrever a estrutura da produtividade da mão-de-obra agropecuária, à qual tende a
evolução temporal do processo estocástico (SIMON; BLUME, 2004).
Definida a matriz de Markov M , procede-se à solução do sistema de equações (6).
Segundo Simon e Blume (2004) se M é uma matriz de tamanho kxk com k autovalores
20
reais e distintos krr ,,1 e autovetores associados kvv ,,1 . Então, a solução geral do sistema
de equações a diferenças tt MYY 1 é
k
t
kk
tt
t vrcrcvrcY 22111 (9)
em que Rc denota um vetor de constantes.
No entanto, se M é uma matriz kxk com k autovalores complexos e distintos
***
1
*
1 ,, kk ii e autovetores complexos associados kk ivuivu **
1
*
1 ,, , a solução
geral do sistema se torna17
***
1
**
1
**
*
1
*
1
*
2
*
1
*
2
*
1
*
1
)cos()cos[(
])cos()cos[(
kkkkkk
t
k
t
t
vsentctcusentctcr
vsentctcusentctcrY
(10)
Ademais, pode-se estimar a velocidade com que o equilíbrio de longo prazo é
alcançado através da segunda raiz característica. Essa velocidade representa o tempo
necessário para percorrer a metade da distância entre a posição inicial e a de equilíbrio de
longo prazo ( dm), denominado na literatura de meia-vida. Algebricamente tem-se
2log/2log rdm , em que 2r é o segundo maior autovalor (MAGRINI, 1999).
A utilização de matriz de probabilidades de transição para modelar a “lei de
movimento” é bastante aceita na literatura. Segundo Bulli (2001), a teoria que embasa esta
metodologia é acessível e consolidada. Além disso, a estimação da matriz é
computacionalmente simples e os resultados são fáceis de interpretar e serem apresentados.
A maior crítica que esta abordagem sofre reside no fato de discretizar um espaço
contínuo, o que se feito de maneira inapropriada pode distorcer ou mesmo retirar a
propriedade de Markov do processo e, além disso, como no caso do histograma, pode
produzir resultados diferentes dependendo dos intervalos escolhidos na construção das classes
de produtividade. Buscando aperfeiçoar a forma de gerar a “lei de movimento” evitando a
discretização dos dados, Quah (1997) recorre ao uso de núcleo estocástico para estimar a
probabilidade de transição. Esse procedimento será descrito na próxima seção.
17 Para gerar esta solução faz-se uso de uma transformação de autovalores complexos em coordenadas polares,
para maiores detalhes ver Simon e Blume (2004, cap. 23).
21
3.1.4 O uso de núcleo estocástico na estimação das probabilidades de transição
A metodologia desenvolvida por Quah (1997) mantém os dados na forma contínua,
fazendo com que o número de intervalos (células) tenda ao infinito, e depois a um continuum.
A matriz de transição tende, então, para um continuum de linhas e colunas, tornando-se um
núcleo estocástico (stochastic Kernel).
De acordo com Quah (1997), a definição formal de um núcleo estocástico é a seguinte:
Definição: Sejam e v medidas de probabilidade em ( IR , ℜ), um espaço mensurável de
probabilidades. Um núcleo estocástico relacionando e v é um mapeamento :),( vM ( IR ,
ℜ) ]1,0[ satisfazendo:
a) y IR , a restrição ),)(,( AyvM é uma medida de probabilidade em ( IR , ℜ);
b) A ℜ, ),( vM é uma função mensurável em ℜ;
c) A ℜ, têm-se que )(),()( ),( ydvAyMA v .
As condições a) e b) asseguram que o núcleo estocástico é um mapeamento bem
definido para os espaços de probabilidade ),( vM e ( IR , ℜ). O conceito principal de núcleo
estocástico está na condição c).
Em um período inicial, para um dado y , existe uma fração )(ydv de economias com
produtividade próxima a y . Conte todas as economias neste grupo cuja produtividade
subseqüentemente esteja no subconjunto A IR . Quando normalizada para ser uma fração
do número total de economias, esta contagem é ).,(),( AyM v
Fixe A , pondere a contagem ),( AyM por )(ydv , e some sobre todos os possíveis y ,
isto é, calcule a integral ).(),( ydvAyM Isto dará a fração de economias que terminam no
estado A independentemente de sua situação inicial. Se isto for igual a )(A para todos os
subconjuntos mensuráveis A , então deve ser a medida associada com a distribuição
subseqüente da produtividade. Em outras palavras, o núcleo estocástico M é uma descrição
completa das transições do estado y para qualquer outra porção do espaço de estados IR .
De acordo com Laurini et al. (2003) a estimação do núcleo estocástico é realizada
obtendo-se medidas empíricas para os elementos da integral )(),(),( ydvAyM v . O
termo )(),(),( ydvAyM v é obtido estimando-se não parametricamente a densidade conjunta
22
das produtividades relativas nos períodos inicial e final utilizando-se um núcleo bivariado, e
esta densidade conjunta se torna um núcleo Estocástico ao normalizarmos pela distribuição
marginal no período inicial, que é a contraparte empírica de )(ydv .
A dinâmica da distribuição pode então ser modelada como um processo de Markov de
primeira ordem, conforme descrito na seção anterior.
3.2. Procedimentos utilizados
Na análise empírica a variável produtividade da mão-de-obra na agropecuária foi
construída para os municípios e microrregiões de Minas Gerais nos anos de 1970, 1975, 1980,
1985, 1996 e 2006. Os anos foram selecionados segundo critério de disponibilidade de dados,
já que nestes anos foram realizados censos agropecuários nacionais.
Para os propósitos do estudo definiu-se produtividade da mão-de-obra na agropecuária
como a razão entre o valor total adicionado da agropecuária (R$ do ano 2000 deflacionado
pelo deflator implícito do produto interno bruto nacional (PIB)) e o total do pessoal ocupado
na agropecuária.
Toda a análise desenvolvida para as microrregiões e municípios foi pautada na
variável produtividade relativa da mão-de-obra na agropecuária, que é a razão entre a
produtividade da mão-de-obra dos municípios e microrregiões, e a média do estado. De
acordo com Le Gallo (2001) é preferível trabalhar em termos relativos ao invés de absolutos
para que co-movimentos e tendências sejam retirados da série.
Em função do aumento no número de municípios18
ao longo do período de estudo, fez-
se necessário uma compatibilização dos dados. Esta compatibilização foi efetuada com base
no histórico de emancipações municipais. Desta forma, municípios emancipados ao longo do
período de 1970 a 2006 foram incorporados aos municípios de origem. Todos os municípios
submetidos a esse procedimento estão listados no Anexo A.
As estimativas para os modelos de β e σ-convergência, bem como para as densidades
de distribuição foram feitas no software Eviews 6. As matrizes de Markov foram construídas
no software Excel e TSRF Econometric Package, a solução do sistema de equações em
diferenças foi feita no software Mathematica 3.0 e, por fim, os núcleos estocásticos foram
estimados no TSRF Econometric Package.
18 Em 1970 Minas Gerais possuía 722 municípios, já em 2006 esse número foi para 853.
23
3.3. Fonte de Dados
Os dados de valor total adicionado da agropecuária e total do pessoal ocupado na
agropecuária foram obtidos junto ao Instituto de Pesquisa Econômica Aplicada – dados
macroeconômicos e regionais (IPEADATA) referente aos Censos Agropecuários dos anos de
1970, 1975, 1980, 1985, 1996 e 2006, publicados pelo Instituto Brasileiro de Geografia e
Estatística (IBGE).
Na Tabela 1 apresentam-se as estatísticas descritivas do banco de dados utilizado para
a investigação do processo de convergência da produtividade da mão-de-obra nas
microrregiões e municípios de Minas Gerais.
Pela sua análise percebe-se que tanto as microrregiões quanto os municípios do estado
apresentam uma tendência semelhante com relação ao comportamento da média e do desvio-
padrão para o PIB da agropecuária (valor adicionado). Têm-se um comportamento crescente
até o ano de 1985 para uma posterior queda em 1996 e 2006.
O mesmo pode ser dito para a média do total do pessoal ocupado na agropecuária para
as microrregiões e municípios do estado. Têm-se uma tendência ascendente até 1985 e então
uma reversão desta nos anos de 1996 e 2006. Já o desvio-padrão é crescente até 1985 para
então oscilar nos anos de 1996 e 2006.
O desvio-padrão da produtividade relativa da mão-de-obra na agropecuária de Minas
Gerais para os municípios e microrregiões tem um padrão oscilatório, já a média apresenta o
valor unitário pelo fato da distribuição estar normalizada pela média do estado.
24
Tabela 1 – Estatísticas descritivas das variáveis utilizadas para o cálculo do processo de
convergência nas microrregiões e municípios de Minas Gerais
Variável Ano Microrregiões
Média Desvio-Padrão Mín. Máx.
PIB
Agrop
ecu
ári
a
R$ d
e 2000(m
il) 1970 R$ 64.272,95 R$ 41.012,38 R$ 7.569,96 R$ 245.923,19
1975 R$ 108.451,61 R$ 61.934,89 R$ 16.946,46 R$ 295.243,17
1980 R$ 192.506,33 R$ 97.200,10 R$ 29.075,43 R$ 434.168,88
1985 R$ 246.714,30 R$ 245.047,03 R$ 24.007,23 R$ 1.467.636,67
1996 R$ 179.840,79 R$ 162.760,20 R$ 12.517,19 R$ 822.863,75
2006 R$ 141.215,09 R$ 124.650,50 R$ 12.823,55 R$ 492.896,50
Pess
oal
Ocu
pad
o n
a
Agrop
ecu
ári
a 1970 29999 15811 7754 77454
1975 33181 18408 7318 91658
1980 34614 18565 6911 89842
1985 40305 21695 9994 105741
1996 30304 16176 4865 76822
2006 28741 19553 4909 90952
Pro
du
tiv
ida
de
Rela
tiv
a d
a M
ão
-de-
ob
ra
na
Ag
ro
pec
uá
ria 1970 1,00 0,58 0,20 3,45
1975 1,00 0,51 0,20 2,25
1980 1,00 0,45 0,27 2,12
1985 1,00 0,78 0,17 3,41
1996 1,00 0,70 0,23 4,05
2006 1,00 1,01 0,13 6,88
No Obs./Ano 66
Variável Ano Municípios
Média Desvio-Padrão Mín. Máx.
PIB
Agro
pec
uá
ria
R$
de
20
00
(mil
) 1970 R$ 5.875,37 R$ 9.200,36 -R$ 2.187,74 R$ 193.291,69
1975 R$ 9.913,86 R$ 10.491,12 -R$ 1.592,46 R$ 73.128,66
1980 R$ 17.597,53 R$ 18.808,79 R$ 92,43 R$ 165.185,84
1985 R$ 22.552,83 R$ 35.742,58 -R$ 1.138,06 R$ 333.881,94
1996 R$ 16.439,74 R$ 24.262,38 -R$ 2.199,58 R$ 301.028,43
2006 R$ 12.929,01 R$ 19.618,93 R$ 11,90 R$ 223.268,77
Pess
oal
Ocu
pa
do n
a
Agrop
ecu
ári
a 1970 2742 2882 68 28342
1975 3033 3469 89 37677
1980 3164 3400 64 30499
1985 3684 3987 145 38922
1996 2770 2928 2 27547
2006 2570 3132 4 27388
Prod
uti
vid
ad
e
Rela
tiva d
a M
ão
-de-
ob
ra
na
Agrop
ecu
ári
a 1970 1,00 1,92 -0,76 48,92
1975 1,00 0,76 -0,36 6,49
1980 1,00 0,60 0,06 4,43
1985 1,00 1,20 -0,24 16,82
1996 1,00 0,92 -0,36 12,30
2006 1,00 1,29 0,03 17,41
No Obs./Ano 722
Fonte: Resultados da pesquisa.
25
4. RESULTADOS E DISCUSSÕES
Esta seção segue a mesma estrutura do modelo analítico, a cada tópico apresentam-se
os resultados obtidos para as microrregiões e para os municípios no período de 1970 a 2006.
4.1. Primeiras Evidências
A Figura 2 apresenta a disposição espacial da produtividade relativa19
da mão-de-obra
na agropecuária para as sessenta e seis microrregiões mineiras com base em cinco intervalos
de produtividade e seis pontos distintos do tempo, quais sejam 1970, 1975, 1980, 1985, 1996
e 2006. Esta seqüência temporal deve ser lida, na figura, da esquerda para a direita.
Para a primeira faixa de produtividade, vê-se que sua localização predominante está na
região norte do estado, característica que se mantêm ao longo dos anos selecionados. Outro
movimento marcante é a redução do número de microrregiões na segunda faixa em
detrimento das microrregiões da primeira faixa na porção norte, centro-leste e sudeste do
estado.
A terceira e quarta faixa estão situadas, em sua maior parte, nas regiões oeste e sul do
estado, contudo, no decorrer do período as microrregiões da região sul passam a pertencer à
segunda faixa e as microrregiões da região oeste na quarta faixa passam para a terceira e
quinta faixa.
19 Como a produtividade da mão-de-obra está normalizada pela média do estado o valor de 0,5 na legenda de
cada gráfico refere-se à metade da média estadual, o valor de 2 a duas vezes à média do estado e assim por
diante.
26
(a) (b)
(c) (d)
27
Continuação:
(e) (f)
Legenda
(1) Unaí (18) Uberlândia (35) Guanhães (52) Pouso Alegre
(2) Paracatu (19) Patrocínio (36) Peçanha (53) Santa Rita do Sapucaí
(3) Januária (20) Patos de Minas (37) Governador Valadares (54) São Lourenço
(4) Janaúba (21) Frutal (38) Mantena (55) Andrelândia
(5) Salinas (22) Uberaba (39) Ipatinga (56) Itajubá
(6) Pirapora (23) Araxá (40) Caratinga (57) Lavras
(7) Montes Claros (24) Três Marias (41) Aimorés (58) São João Del Rei
(8) Grão Mogol (25) Curvelo (42) Piumhí (59) Barbacena
(9) Bocaiúva (26) Bom Despacho (43) Divinópolis (60) Ponte Nova
(10) Diamantina (27) Sete Lagoas (44) Formiga (61) Manhuaçu
(11) Capelinha (28) Conceição do Mato Dentro (45) Campo Belo (62) Viçosa
(12) Araçuaí (29) Pará de Minas (46) Oliveira (63) Muriaé
(13) Pedra Azul (30) Belo Horizonte (47) Passos (64) Ubá
(14) Almenara (31) Itabira (48) São Sebastião do Paraíso (65) Juiz de Fora
(15) Teófilo Otoni (32) Itaguara (49) Alfenas (66) Cataguases
(16) Nanuque (33) Ouro Preto (50) Varginha
(17) Ituiutaba (34) Conselheiro Lafaiete (51) Poços de Caldas
Fonte: Resultados da pesquisa.
Figura 2 – Disposição espacial da produtividade relativa da mão-de-obra na agropecuária das
microrregiões de Minas Gerais nos anos de 1970 (a), 1975 (b), 1980 (c), 1985
(d), 1996 (e), e 2006 (f).
A Figura 3 tem a mesma disposição e faz a mesma análise da Figura 2 só que para os
municípios de Minas Gerais. A vantagem está em poder visualizar de maneira mais acurada a
disposição da produtividade relativa ao longo do estado, em função do maior nível de
desagregação espacial.
28
Em termos qualitativos, a análise permanece a mesma da realizada para as
microrregiões, entretanto, aqui se torna mais claro a separação que ocorre, com o passar dos
anos, entre regiões de baixa produtividade e média/alta produtividade. No primeiro grupo
situam-se as regiões norte, nordeste, leste, centro-leste e sudeste e, no segundo grupo estão as
regiões noroeste, oeste, centro-oeste, sudoeste e sul.
De maneira geral, o que se nota por este tipo de análise é que economias que estão na:
primeira faixa de produtividade permanecem nesta;
segunda faixa de produtividade migram para a primeira;
terceira e quarta faixa migram para a quinta faixa, contudo, este movimento contempla
poucas economias sendo significativo somente no extremo oeste do estado.
Se as faixas um e dois de produtividade (que estão abaixo da média do estado)
tivessem um peso reduzido na composição do total do pessoal ocupado na agropecuária,
poder-se-ia avaliar o quadro acima esboçado como um indício de que estas regiões estariam
experimentando um processo de industrialização que, gerando incentivos à migração da
agropecuária para outros setores, tenderia a reduzir a importância daquele setor e,
conseqüentemente, o impacto dessa dinâmica para a população local. Contudo, ao longo dos
anos selecionados essas faixas contemplaram, em média20
, 65% do total21
da população
ocupada nesse setor.
Em suma, as primeiras evidências da análise espacial da produtividade relativa da
mão-de-obra na agropecuária ao longo do estado, sugerem que não há um processo de
convergência, dado que a dicotomia existente entre, principalmente, a porção norte/nordeste
do estado e sua porção oeste/sudoeste/sul tende a se manter e aumentar ao longo do período
de análise.
20 Os percentuais foram de 64% em 1970, 64% em 1975, 62% em 1980, 70% em 1985, 64% em 1996 e 65% em
2006. 21 A população total ocupada no setor foi de 1.979.935 em 1970, 2.189.945 em 1975, 2.284.550 em 1980,
2.660.130 em 1985, 2.000.046 em 1996 e 1.896.924 em 2006.
29
(a) (b)
(c) (d)
(e) (f)
Fonte: Resultados da pesquisa.
Figura 3 – Disposição espacial da produtividade relativa da mão-de-obra na agropecuária dos
municípios de Minas Gerais nos anos de 1970 (a), 1975 (b), 1980 (c), 1985 (d),
1996 (e), e 2006 (f).
30
4.2. β-convergência e σ-convergência
Na Tabela 2 constam os resultados da análise de beta convergência absoluta para as
microrregiões e municípios mineiros. Para o caso das microrregiões nota-se um coeficiente β
negativo, indicativo de convergência absoluta, no período 1985 a 2006, contudo, esse não é
significativo ao nível de significância de 5% adotado. Nos demais períodos há evidência de
divergência, fato observado pelo sinal positivo do coeficiente β, entretanto, somente no
período de 1980 a 2006 há significância ao nível previamente adotado. Gutierrez (2002) ao
investigar a existência ou não de um processo de convergência para a produtividade da mão-
de-obra agrícola, em uma amostra de 44 países ao longo do período de 1980 a 1993, encontra
resultados semelhantes aos obtidos para as microrregiões mineiras, ou seja, a ausência de
convergência absoluta.
Por outro lado, os municípios apresentam evidência de convergência absoluta em
todos os períodos, o que pode ser visto pela significância do parâmetro β negativo. Narro
(2009) obtém os mesmos resultados em um estudo para a União Européia no período de 1985
a 2004, contudo, ressalta que o ajuste do modelo foi baixo, sendo melhorado ao se introduzir
variáveis de controle, tais como investimento e migração o que, neste caso, passa a denotar
um processo de convergência condicional. Spohr e Freitas (2008) ao analisar convergência no
setor agropecuário brasileiro no período de 1980 a 2004 também encontram evidências de
convergência absoluta e quando condicionada ao capital humano esta se torna ainda mais
acentuada. Caldeira et. al (2010) investigando o processo de convergência para o PIB da
agropecuária mineira no período de 1996 a 2006 reforça o resultado aqui obtido, ao encontrar
um processo de convergência absoluta, além disso, demonstra que a inserção de variáveis
condicionantes ligadas ao crédito rural e ao investimento em capital humano afetam
positivamente o processo de convergência.
Em suma, as microrregiões não exibem um comportamento médio bem definido
de relação inversa entre o nível inicial da produtividade relativa da mão-de-obra agropecuária
e sua taxa de crescimento subseqüente (ausência de β-convergência absoluta), fato que ocorre
quando o nível de desagregação espacial aumenta ao se trabalhar o território do estado do
ponto de vista municipal.
31
Tabela 2 – β-convergência absoluta entre as microrregiões e os municípios de Minas
Gerais M
icro
rreg
iões
Variável Dependente Nível de Produtividade Relativa do Período
Inicial - Coeficiente β P-Valor R²
Taxa de Crescimento 1970 a 2006 0,002 0,73 0,003
Taxa de Crescimento 1975 a 2006 0,005 0,14 0,03
Taxa de Crescimento 1980 a 2006 0,017 0,00 0,19
Taxa de Crescimento 1985 a 2006 -0,008 0,15 0,05
Taxa de Crescimento 1996 a 2006 0,005 0,54 0,01
Munic
ípio
s
Variável Dependente Nível de Produtividade Relativa do Período
Inicial - Coeficiente β P-Valor R²
Taxa de Crescimento 1970 a 2006 -0,011 0,00 0,11
Taxa de Crescimento 1975 a 2006 -0,009 0,00 0,07
Taxa de Crescimento 1980 a 2006 -0,008 0,00 0,03
Taxa de Crescimento 1985 a 2006 -0,019 0,00 0,16
Taxa de Crescimento 1996 a 2006 -0,023 0,00 0,08
Nota: Estimativas em seção cruzada por MQO.
Fonte: Resultados da pesquisa.
A ausência de sigma convergência tanto para microrregiões como para
municípios pode ser vista na Tabela 3, em que os índices calculados são superiores à unidade
(exceto para os municípios no período de 1970 a 2006). Vale ressaltar que esta análise fixa o
período final como sendo 2006, se a análise for feita variando-se o período final há evidência
de sigma-convergência de 1970 a 198022
e 1985 a 1996.
22 Para as microrregiões os índices calculados foram 0,87, 0,88 e 0,89 para os períodos 1970 a 1975, 1975 a 1980
e 1985 a 1996 respectivamente. Para os municípios os índices calculados foram 0,40, 0,79 e 0,77 para os
períodos 1970 a 1975, 1975 a 1980 e 1985 a 1996 respectivamente.
32
Tabela 3 – σ-convergência entre as microrregões e os
municípios de Minas Gerais
Mic
rorr
egiõ
es
Período
Razão do Desvio Padrão da Produtividade
Relativa entre o Período Final e Inicial -
Coeficiente σ
1970-2006 1,73
1975-2006 2,00
1980-2006 2,26
1985-2006 1,30
1996-2006 1,46
Munic
ípio
s
Período
Razão do Desvio Padrão da Produtividade
Relativa entre o Período Final e Inicial -
Coeficiente σ
1970-2006 0,67
1975-2006 1,70
1980-2006 2,14
1985-2006 1,07
1996-2006 1,39
Fonte: Resultados da pesquisa.
A Figura 4 corrobora estes resultados, observa-se declínio do desvio-padrão da
produtividade relativa da mão-de-obra agropecuária primeiramente até 1980 e em seguida de
1985 a 1996. Em resumo, têm-se uma tendência descendente para essa variável de 1970 a
1980 e uma tendência ascendente de 1980 a 2006. Galonopoulos, Surry e Mattas (2008)
apresentam resultados que é o oposto desses. Em uma amostra de 32 países, incluindo países
africanos e europeus, os autores demonstram que do final da década de 60 até o ano de 1983 o
desvio-padrão do logaritmo da produtividade total dos fatores (PTF) na agricultura teve uma
tendência ascendente e no período subseqüente, de 1984 a 2002, essa tendência sofreu uma
reversão. Contudo, ao considerar o período de 1980 a 2004 o padrão apresentado por Minas
Gerais segue o padrão brasileiro, conforme é demonstrado pelo estudo de Spohr e Freitas
(2008).
33
Fonte: Resultados da pesquisa.
Figura 4 – Evolução do desvio-padrão da produtividade relativa da mão-de-obra na
agropecuária entre as microrregiões e os municípios de Minas Gerais no período
de 1970 a 2006
A utilização do primeiro e do segundo momento da distribuição de produtividades
relativas não é capaz de fornecer informações do formato dessa distribuição tais como,
polarização e estratificação23
. Esta informação é captada pelo estudo das densidades de
distribuição a ser tratado na seção seguinte.
4.3. Densidades de Distribuição
A Figura 5 mostra os histogramas24
e as densidades25
da produtividade relativa26
da
mão-de-obra na agropecuária das microrregiões mineiras para os anos de 1970, 1975, 1980,
1985, 1996 e 2006. A figura deve ser lida em seqüência horizontal. Cada seqüência faz uma
comparação entre o período inicial (começando em 1970) e o ano de 2006. O primeiro gráfico
de cada seqüência apresenta o histograma e a densidade do período inicial, o segundo, o
histograma e a densidade de 2006 e, por fim, o último compara as densidades do período
inicial (em azul) e 2006 (em vermelho), o que possibilita visualizar as diferenças em se tratar
23 Estes dois termos foram cunhados em Quah (1997), o primeiro denota a formação de dois grupos opostos
(duas modas na distribuição), um de alta renda e outro de baixa renda e o segundo denota uma situação em que
não só dois grupos, mas diversos (mais de duas modas na distribuição) são formados. 24 A amplitude dos histogramas foi calculada em cada período pela fórmula h = 2,72s n -1/3 conforme explanado
na seção que trata Processos de Markov. 25 Estas densidades foram estimadas pelo método de suavização do núcleo gaussiano conforme descrito no
referencial analítico. 26 Como a produtividade da mão-de-obra está normalizada pela média do estado o valor de 0,5 no eixo horizontal
de cada gráfico refere-se à metade da média estadual, o valor de 2 a duas vezes à média do estado e assim por
diante.
34
o espaço de produtividades de forma discreta e contínua, e o movimento das densidades de
distribuição ao longo do período analisado em cada seqüência.
Na análise dessa figura, uma densidade mais concentrada (leptocúrtica) indica uma
maior convergência, enquanto que uma densidade mais achatada (platicúrtica) indica maior
dispersão das produtividades, conseqüentemente, maior divergência.
(a)
(b)
(c)
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-1 0 1 2 3 4 5 6 7 8
MICRO1970 KernelMICRO2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
Histogram Kernel
De
nsity
MICRO2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
Histogram Kernel
Den
sit
y
MICRO1970
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-1 0 1 2 3 4 5 6 7 8
MICRO1980 KernelMICRO2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
MICRO1975 KernelMICRO2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
Histogram Kernel
De
nsity
MICRO2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
0.0 0.4 0.8 1.2 1.6 2.0 2.4 2.8
Histogram Kernel
Den
sit
y
MICRO1975
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
Histogram Kernel
De
nsity
MICRO2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
0.0 0.5 1.0 1.5 2.0 2.5
Histogram Kernel
Den
sit
y
MICRO1980
35
Continuação:
(d)
(e)
Fonte: Resultados da pesquisa.
Figura 5 – Evolução das densidades de distribuição da produtividade relativa da mão-de-obra na
agropecuária entre as microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a
2006 (b), 1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).
A primeira característica que emerge é a predominância de uma distribuição unimodal,
para os anos de 1970, 1975, 1996 e 2006, e bimodal para os anos de 1980 e 1985. Até 1975 a
moda da distribuição está centrada em um valor próximo a 1, o que equivale à média do
estado, em 1980 têm-se a primeira moda centrada no valor 1 e uma segunda moda, menos
pronunciada, que está entre os valores 1 e 1,5. Já no ano de 1985 a primeira moda se situa em
um valor abaixo da média do estado e a segunda moda entre os valores de 1,8 e 3. A partir de
então, a moda permanece abaixo da média estadual com um valor em torno de 0,5. Este
movimento se torna mais claro quando comparamos cada período inicial com 2006.
Na transição de 1970 a 2006 há um pequeno ganho de massa na cauda direita da
distribuição, entre os valores 2 e 3, fato que se mantém até a transição de 1980 a 2006. Na
transição de 1985 a 2006 este processo se inverte e há perda de massa entre os valores 2 e 4,
com um ganho ocorrendo entre os valores 1 e 2. Por fim, na transição de 1996 a 2006 há uma
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
MICRO1996 KernelMICRO2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
Histogram Kernel
De
nsity
MICRO2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5
Histogram Kernel
Den
sit
y
MICRO1996
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-1 0 1 2 3 4 5 6 7 8
MICRO1985 KernelMICRO2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7 8
Histogram Kernel
De
nsity
MICRO2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-1 0 1 2 3 4
Histogram Kernel
Den
sit
y
MICRO1985
36
perda de massa entre os valores 1 e 3, com um ganho entre os valores 3 e 4. Em todas as
transições analisadas há ganho de massa na cauda esquerda, indicando uma piora na
distribuição, além disso, o resultado líquido desse ganho é o deslocamento da distribuição
para a esquerda, o que supera os ganhos na extremidade da cauda direita. A exceção fica para
a transição de 1985 a 2006 em que o ganho de massa na cauda esquerda não é suficiente para
deslocá-la nesse sentido.
A figura 6 faz a mesma análise anterior para o caso dos municípios mineiros. O que se
nota é uma distribuição unimodal, com deslocamento para a esquerda em todos os períodos,
sendo a exceção, como antes, o período de 1985 a 2006 que apresenta um ganho de massa na
cauda direita superior ao da cauda esquerda. Mugera e Langemeier (2008) em um estudo do
setor agrícola no Kansas observam que a densidade de distribuição da produtividade da mão-
de-obra sofreu um deslocamento para a direita entre o período de 1993 e 2006, sugerindo um
aumento médio da produtividade, resultado que vai de encontro com o aqui obtido.
Em geral, a dinâmica que parece estar ocorrendo em grande parte das microrregiões e
dos municípios mineiros é de convergência para classes inferiores de produtividade relativa
da mão-de-obra na agropecuária. Entretanto, ainda não é possível identificar em que estratos
de produtividade estão ocorrendo as migrações que levaram a este fenômeno, o que é
necessário para que se possa fornecer uma possível explicação.
Isso ocorre porque a análise das densidades revela o comportamento da população de
produtividades nos períodos selecionados, é uma análise basicamente estática ao comparar
densidades entre dois pontos no tempo, portanto, carece de uma “lei de movimento” que seja
capaz de elucidar a dinâmica que leva a uma ou outra distribuição. São microrregiões e
municípios de alta produtividade que deixam de sê-lo, ou microrregiões e municípios de baixa
produtividade que agravam ainda mais sua situação? Existe persistência na distribuição? Onde
ela é mais acentuada? Visando preencher esta lacuna apresentam-se os resultados das duas
seções seguintes.
37
(a)
(b)
(c)
(d)
0.0
0.2
0.4
0.6
0.8
1.0
-4 0 4 8 12 16 20
MUNI1985 Kernel MUNI2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-4 0 4 8 12 16 20
Histogram Kernel
Den
sit
y
MUNI2006
0.0
0.2
0.4
0.6
0.8
1.0
-4 0 4 8 12 16 20
Histogram Kernel
Den
sit
y
MUNI1985
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-4 0 4 8 12 16 20
MUNI1980 Kernel MUNI2006 Kernel
De
nsit
y
0.0
0.2
0.4
0.6
0.8
1.0
-4 0 4 8 12 16 20
Histogram Kernel
Den
sit
y
MUNI2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-1 0 1 2 3 4 5
Histogram Kernel
Den
sit
y
MUNI1980
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-4 0 4 8 12 16 20
MUNI1975 Kernel MUNI2006 KernelD
en
sit
y
0.0
0.2
0.4
0.6
0.8
1.0
-4 0 4 8 12 16 20
Histogram Kernel
Den
sit
y
MUNI2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
-1 0 1 2 3 4 5 6 7
Histogram Kernel
De
nsity
MUNI1975
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-10 0 10 20 30 40 50
MUNI1970 Kernel MUNI2006 Kernel
De
nsit
y
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-4 0 4 8 12 16 20
Histogram KernelD
en
sit
y
MUNI2006
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-10 0 10 20 30 40 50
Histogram Kernel
Den
sit
y
MUNI1970
38
Continuação:
(e) Fonte: Dados da pesquisa.
Figura 6 – Evolução das densidades de distribuição da produtividade relativa da mão-de-obra na
agropecuária entre os municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a
2006 (b), 1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).
4.4. Matrizes de Transição de Markov
Na Tabela 1C do Anexo C estão os resultados para os testes de normalidade de
Kolmogorov-Smirnov. Adotando-se o nível de significância de 5%, os resultados indicam que
nenhuma das distribuições de produtividade relativa da mão-de-obra na agropecuária de
Minas Gerais segue uma distribuição normal, exceto a distribuição de 1975 para as
Microrregiões. Mesmo diante desse resultado, adotou-se o procedimento de Magrini (1999)
para o cálculo do intervalo de classes, seguindo a sugestão desse autor de que o método se
ajusta mesmo em observações que não sigam uma distribuição normal.
Na Tabela 4 estão as classes de produtividade relativa da mão-de-obra agropecuária,
bem como a amplitude do intervalo de classes obtido em cada período de análise. As classes
foram definidas de forma a se ter a primeira classe com intervalo aberto à esquerda e a última
classe com intervalo aberto à direita, com isso, garante-se que as distribuições no período
inicial e final se comuniquem mesmo na presença de outliers. Para os períodos de 1970 a
2006, 1985 a 2006 e 1996 a 2006 foram obtidas seis classes com amplitudes de 0,54, 0,6 e
0,58 respectivamente, enquanto que para os períodos de 1975 a 2006 e 1980 a 2006 foram
obtidas cinco classes com amplitudes de 0,51 e 0,49 respectivamente.
.0
.1
.2
.3
.4
.5
.6
.7
.8
.9
-4 0 4 8 12 16 20
MUNI1996 Kernel MUNI2006 Kernel
De
nsit
y
0.0
0.2
0.4
0.6
0.8
1.0
-4 0 4 8 12 16 20
Histogram Kernel
Den
sit
y
MUNI2006
0.0
0.2
0.4
0.6
0.8
1.0
-2 0 2 4 6 8 10 12 14
Histogram Kernel
Den
sit
y
MUNI1996
39
Tabela 4 – Classes de produtividade relativa da mão-de-obra na agropecuária
entre as microrregiões de Minas Gerais no período de 1970 a 2006.
1970-2006 1975-2006 1980-2006
n= 66 Microrregiões; h=0,54 n= 66 Microrregiões; h=0,51 n= 66 Microrregiões; h=0,49
Classes Li Ls Classes Li Ls Classes Li Ls
1 - 0,54 1 - 0,51 1 - 0,49
2 0,54 1,08 2 0,51 1,02 2 0,49 0,98
3 1,08 1,61 3 1,02 1,54 3 0,98 1,48
4 1,61 2,15 4 1,54 2,05 4 1,48 1,97
5 2,15 2,69 5 2,05 - 5 1,97 -
6 2,69 -
1985-2006 1996-2006
n= 66 Microrregiões; h=0,60 n= 66 Microrregiões; h=0,58
Classes Li Ls Classes Li Ls
1 - 0,6 1 - 0,58
2 0,6 1,21 2 0,58 1,15
3 1,21 1,81 3 1,15 1,73
4 1,81 2,42 4 1,73 2,30
5 2,42 3,02 5 2,30 2,88
6 3,02 - 6 2,88 -
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
Com base nas classes de produtividade apresentadas é que foram estimadas as
matrizes de transição de Markov presentes na Tabela 5. Ao analisá-la, o que se nota é uma
alta probabilidade de microrregiões que estavam na primeira classe no período inicial
permanecerem nesta mesma classe no período final, qualquer que seja o período em questão.
Esta característica também está presente na classe mais elevada de produtividade para os
períodos de transição 1975 a 2006 e 1980 a 2006. Tal fato mostra que ao longo dos períodos
sob estudo pouca mobilidade existe para as microrregiões situadas nos extremos da
distribuição.
40
Tabela 5 – Matrizes de transição de Markov para as microrregiões de
Minas Gerais no período de 1970 a 2006.
1970-2006 1975-2006
1 2 3 4 5 6 1 2 3 4 5
1(11) 0,91 0,09 0 0 0 0 1(13) 0,92 0,08 0 0 0
2(31) 0,53 0,33 0,1 0 0 0,03 2(24) 0,5 0,33 0,13 0,04 0
3(16) 0 0,29 0,47 0,12 0,12 0 3(19) 0,05 0,42 0,26 0,11 0,16
4(05) 0 0 0,4 0,2 0 0,4 4(07) 0 0 0,71 0 0,29
5(01) 0 0 0 0 0 1 5(03) 0 0,33 0 0 0,67
6(02) 0,5 0,5 0 0 0 0
1980-2006 1985-2006
1 2 3 4 5 1 2 3 4 5 6
1(08) 1 0 0 0 0 1(30) 0,81 0,19 0 0 0 0
2(27) 0,59 0,3 0,11 0 0 2(19) 0,17 0,39 0,28 0,11 0,06 0
3(20) 0 0,4 0,35 0,25 0 3(05) 0 0 0,4 0,2 0,2 0,2
4(10) 0 0,2 0,2 0 0,6 4(07) 0 0,43 0,43 0,14 0 0
5(01) 0 0 0 0 1 5(03) 0,33 0,33 0 0 0 0,33
6(02) 0 1 0 0 0 0
1996-2006
1 2 3 4 5 6
1(21) 0,90 0,10 0 0 0 0
2(23) 0,35 0,57 0,09 0 0 0
3(15) 0 0,20 0,40 0,33 0,07 0
4(4) 0 0 0,25 0 0,25 0,50
5(2) 0 0,50 0,50 0 0 0
6(1) 0 0 1,00 0 0 0
Nota: Os valores entre parênteses indicam o número de microrregiões em cada classe no
período inicial.
Fonte: Resultados da pesquisa.
Outro resultado demonstrado pelas estimativas contidas na Tabela 5 é a predominância
de probabilidades mais altas abaixo da diagonal principal da matriz, o que denota que quando
existe transição essa ocorre com maior chance para classes inferiores.
Após a construção das matrizes de transição de Markov, pode-se resolver o sistema de
equações em diferenças que irá gerar a trajetória das classes de produtividade até o estado
estacionário. A Tabela 6 faz essa exposição mostrando a distribuição no período inicial, até
três iterações à frente e no estado estacionário.
Em geral, as microrregiões estão migrando para a classe mais inferior de
produtividade, classe um. No ano de 1970 esta classe possuía 16,67% das microrregiões, em
41
2006, 37,50% e no estado estacionário passa a ter 82,36%. Essa dinâmica permanece
inalterada para os períodos 1975 a 2006, 1980 a 2006 e 1996 a 2006, o que revela que o setor
não está conseguindo propiciar uma perspectiva de que sua trajetória de crescimento esteja
voltada para classes superiores de produtividade (acima da média do estado). Merece destaque
o período 1980 a 2006 que no estado estacionário apresenta a existência somente das classes
um e cinco, resultando no desaparecimento das classes intermediárias de produtividade. A
classe um, de baixa produtividade, com 77,97% das microrregiões, e a outra, de alta
produtividade, com 22,03%. Em todos os períodos o processo de transição é “alimentado”
principalmente pelas classes dois, três e quatro.
O período 1985 a 2006 esboça uma melhora na distribuição, as classes três, cinco e
seis, acima da média do estado, recebem microrregiões principalmente das classes um e dois,
que estão abaixo da média estadual, entretanto, este efeito é bastante moderado, visto que,
62,05% das microrregiões ainda ocupam as classes um e dois no estado estacionário.
No cálculo de meia-vida o período que apresenta o menor valor é 1985 a 2006 e o de
maior valor é 1975 a 2006, nesses casos levar-se-iam 36 e 72 anos, respectivamente, para que
metade do caminho até o estado estacionário fosse percorrido.
A Figura 1D do Anexo D resume de maneira gráfica os resultados presentes na Tabela
6. Sua leitura deve ser feita em seqüência horizontal começando pelo período de 1970 a 2006
e prosseguindo na mesma ordem daquela tabela. O primeiro gráfico de cada seqüência
apresenta a distribuição no período inicial, em 2006 e no estado estacionário, o segundo
mostra a trajetória de cada classe até o estado estacionário.
Diante dos resultados expostos pode-se responder as questões levantadas ao final da
seção 4.3. São microrregiões de alta produtividade que deixam de sê-lo, ou microrregiões de
baixa produtividade que agravam ainda mais sua situação? Pela dinâmica obtida com a
solução do sistema de equações em diferenças percebe-se que ambos os movimentos ocorrem,
ou seja, microrregiões de baixa produtividade migram para classes de produtividade ainda
mais baixas e microrregiões de classes de produtividade intermediária e elevada também. Isso
se torna claro pela redução geral no percentual de microrregiões contidas nas classes de
produtividade que não a classe 1 e pelo incremento desta.
.
Tabela 6 - Dinâmica das classes de produtividade relativa da mão-de-obra na agropecuária entre as microrregiões de Minas Gerais em direção ao
equilíbrio de longo prazo no período de 1970 a 2006.
1970-2006 1975-2006
Classes de
Produtividade Períodos (cada período se refere a intervalo de 36 anos)
Classes de
Produtividade Períodos (cada período se refere a intervalo de 31 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,54 16,67% 37,50% 52,95% 63,02% 82,36% 1 - - 0,51 19,70% 37,88% 49,64% 58,36% 81,94%
2 - 0,54 1,08 45,45% 27,94% 22,25% 19,11% 13,17% 2 - 0,51 1,02 36,36% 27,27% 23,83% 20,57% 12,30%
3 - 1,08 1,61 25,76% 18,39% 13,32% 9,79% 2,80% 3 - 1,02 1,54 28,79% 19,70% 11,84% 8,39% 2,88%
4 - 1,61 2,15 7,58% 5,01% 3,27% 2,24% 0,41% 4 - 1,54 2,05 10,61% 4,55% 3,21% 2,24% 0,82%
5 - 2,15 2,69 1,52% 2,66% 2,16% 1,57% 0,33% 5 - 2,05 - 4,55% 10,61% 11,48% 10,44% 2,06%
6 - 2,69 - 3,03% 8,49% 6,05% 4,27% 0,93%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário
(em anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 60 Tempo necessário para atingir a metade do caminho em direção ao estado estacionário
(em anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 72
1980-2006 1985-2006
Classes de
Produtividade Períodos (cada período se refere a intervalo de 26 anos)
Classes de
Produtividade Períodos (cada período se refere a intervalo de 21 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,49 12,12% 36,36% 52,53% 62,52% 77,97% 1 - - 0,6 46,97% 44,13% 41,08% 39,15% 33,67%
2 - 0,49 0,98 40,91% 27,27% 16,87% 10,27% 0,00% 2 - 0,6 1,21 27,27% 25,98% 27,03% 27,29% 28,38%
3 - 0,98 1,48 30,30% 18,18% 10,91% 6,60% 0,00% 3 - 1,21 1,81 7,58% 15,57% 16,11% 16,90% 18,92%
4 - 1,48 1,97 15,15% 7,58% 4,55% 2,73% 0,00% 4 - 1,81 2,42 10,61% 6,37% 6,89% 7,21% 8,09%
5 - 1,97 - 1,52% 10,61% 15,15% 17,88% 22,03% 5 - 2,42 3,02 4,55% 3,53% 4,55% 4,72% 5,36%
6 - 3,02 - 3,03% 4,42% 4,35% 4,74% 5,57%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário
(em anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 36
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário
(em anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 47
42
Continuação:
1996-2006
Classes de Produtividade Períodos (cada período se refere a intervalo de 11 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,58 31,82% 40,93% 47,01% 51,25% 70,59%
2 - 0,58 1,15 34,85% 28,68% 25,07% 23,26% 19,33%
3 - 1,15 1,73 22,73% 17,12% 16,02% 14,70% 6,11%
4 - 1,73 2,30 6,06% 6,91% 5,79% 5,35% 2,04%
5 - 2,30 2,88 3,03% 3,04% 2,81% 2,53% 0,92%
6 - 2,88 - 1,52% 3,32% 3,31% 2,91% 1,02%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 48
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
43
44
Existe persistência na distribuição? Onde ela é mais acentuada? Percebe-se também a
existência de persistência na distribuição, sendo mais acentuada nas classes inferiores de
produtividade. Isso se tornou evidente pelas altas probabilidades nas primeiras entradas da
matriz de Markov.
No estudo dos municípios percebe-se, pela Tabela 7, um significativo aumento no
número de classes de produtividade e uma diminuição na amplitude do intervalo dessas. Isso
ocorre, respectivamente, porque o desvio-padrão da distribuição de produtividades dos
municípios é superior ao das microrregiões e há um maior número de observações que, nesse
caso, totalizam 722 municípios.
Tabela 7 – Classes de produtividade relativa da mão-de-obra na agropecuária entre os
municípios de Minas Gerais no período de 1970 a 2006.
1970-2006 1975-2006 1980-2006 1985-2006 1996-2006
n= 722 Municípios;
h=0,49
n= 722 Municípios;
h=0,31
n= 722 Municípios;
h=0,29
n= 722 Municípios;
h=0,38
n= 722 Municípios;
h=0,34
Classes Li Ls Classes Li Ls Classes Li Ls Classes Li Ls Classes Li Ls
1 - 0,49 1 - 0,31 1 - 0,29 1 - 0,38 1 - 0,34
2 0,49 0,97 2 0,31 0,62 2 0,29 0,57 2 0,38 0,75 2 0,34 0,67
3 0,97 1,46 3 0,62 0,93 3 0,57 0,86 3 0,75 1,13 3 0,67 1,01
4 1,46 1,94 4 0,93 1,24 4 0,86 1,14 4 1,13 1,51 4 1,01 1,34
5 1,94 2,43 5 1,24 1,55 5 1,14 1,43 5 1,51 1,88 5 1,34 1,68
6 2,43 2,92 6 1,55 1,86 6 1,43 1,72 6 1,88 2,26 6 1,68 2,01
7 2,92 3,4 7 1,86 2,17 7 1,72 2 7 2,26 2,64 7 2,01 2,35
8 3,4 3,89 8 2,17 2,48 8 2 2,29 8 2,64 3,01 8 2,35 2,68
9 3,89 4,37 9 2,48 2,79 9 2,29 2,57 9 3,01 3,39 9 2,68 3,02
10 4,37 - 10 2,79 3,1 10 2,57 2,86 10 3,39 3,77 10 3,02 3,35
11 3,1 3,41 11 2,86 3,15 11 3,77 4,14 11 3,35 3,69
12 3,41 3,72 12 3,15 - 12 4,14 4,52 12 3,69 4,02
13 3,72 - 13 4,52 4,9 13 4,02 4,36
14 4,9 5,27 14 4,36 4,69
15 5,27 5,65 15 4,69 -
16 5,65 6,03
17 6,03 6,4 18 6,4 6,78
19 6,78 -
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
A menor amplitude foi obtida no período de 1980 a 2006, 0,29, e o maior número de
classes ocorreu em 1985 a 2006 com dezenove classes de produtividade. Assim como na
45
análise das microrregiões construiu-se a matriz de transição de Markov dos municípios com
base nestas classes. Os resultados estão na Tabela 8.
A matriz de transição de Markov para os municípios também apresenta altas
probabilidades nas primeiras entradas da diagonal principal em todos os períodos, denotando
novamente sua característica de persistência nas classes inferiores, os municípios de baixa
produtividade permanecem assim, contudo, os valores se mostram menores do que aqueles
obtidos para as microrregiões. As maiores probabilidades de transição estão abaixo da
diagonal principal à semelhança do que ocorre com as microrregiões.
Uma possível explicação para esta persistência é a discrepância existente na
implantação da política de modernização do setor agropecuário mineiro (crédito rural
subsidiado; preços mínimos de garantia; pesquisa e assistência técnica).
“A conjugação desses instrumentos contemplou regiões e produtos distintos no território do estado e contribuiu para acentuar ainda mais, a heterogeneidade do
desenvolvimento agrário, pois levou a uma situação de modernização parcial. Isso
porque envolveu, de um lado, a imigração de produtores provenientes de regiões de
agricultura mais desenvolvida (Paraná e Rio Grande do Sul), já habituados com
técnicas capitalistas de produção e dispostos a se endividarem, mediante o uso do
crédito oficial. Estes produtores se especializaram na produção de commodities
(principalmente soja) e competiram vantajosamente com os produtores da própria
região (Noroeste de Minas). E, de outro lado, os produtores mineiros, de perfil
oposto ao requerido, que não se enquadravam nos propósitos estabelecidos e que,
por isso, deixaram de ser contemplados com os benefícios, ficando à margem do
processo de modernização. Para contrapor à desigualdade no tratamento dispensado, foram criados programas
oficiais de estímulo à pequena produção (os Programas de Desenvolvimento Rural
Integrado – PDRI). Contudo, esses programas não proporcionaram os resultados
esperados a esses agricultores, constituídos basicamente por pequenos e médios
proprietários, localizados em regiões diferentes daquelas de cerrado, que
permaneceram na produção de bens agropecuários voltados exclusivamente para o
mercado interno (arroz, feijão, milho, entre outros), utilizando técnicas pouco
evoluídas.” (JÚNIOR, BAPTISTA; LIMA, 2004, p. 75/76)
Tabela 8 - Matrizes de transição de Markov para os municípios de Minas Gerais no período de 1970 a 2006
1970-2006 1975-2006
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 11 12 13
1(176) 0,62 0,26 0,08 0,02 0,01 0 0 0,01 0 0,01 1(073) 0,66 0,26 0,03 0,01 0,03 0 0,01 0 0 0 0 0 0
2(280) 0,38 0,36 0,13 0,07 0,02 0,01 0,01 0,01 0 0,01 2(168) 0,3 0,38 0,15 0,06 0,04 0,03 0,02 0,01 0 0,01 0,01 0 0
3(152) 0,2 0,36 0,27 0,06 0,05 0,03 0,01 0 0,01 0,03 3(177) 0,1 0,31 0,23 0,14 0,08 0,04 0,02 0,02 0,02 0,01 0,01 0,01 0,01
4(068) 0,06 0,32 0,28 0,09 0,06 0,07 0,01 0,06 0 0,04 4(126) 0,06 0,26 0,29 0,17 0,08 0,03 0,04 0,02 0 0,02 0,01 0,01 0,02
5(021) 0,1 0,24 0,19 0,1 0,14 0,05 0,05 0 0,1 0,05 5(057) 0,03 0,29 0,21 0,21 0,16 0,07 0,02 0 0 0 0 0 0,02
6(013) 0 0,08 0,31 0,31 0,08 0 0,15 0 0 0,08 6(047) 0 0,24 0,24 0,15 0,13 0 0,07 0,04 0 0 0,02 0,02 0,09
7(005) 0 0 0,4 0 0,2 0 0,2 0 0 0,2 7(029) 0,1 0,1 0,21 0,14 0,14 0,07 0,03 0 0,1 0 0 0 0,1
8(004) 0,25 0 0,25 0,25 0 0,25 0 0 0 0 8(012) 0 0 0 0,25 0,08 0,25 0,25 0 0,08 0 0 0 0,08
9(001) 0 1 0 0 0 0 0 0 0 0 9(012) 0,08 0,08 0,08 0,33 0,08 0 0 0 0 0 0 0 0,33
10(02) 0,5 0,5 0 0 0 0 0 0 0 0 10(05) 0 0 0,2 0 0 0,2 0,4 0 0 0 0 0,2 0
11(08) 0 0 0 0,25 0,25 0,25 0 0 0 0,25 0 0 0
12(02) 0 0 0,5 0 0,5 0 0 0 0 0 0 0 0
13(06) 0 0,17 0 0 0,17 0 0,33 0 0 0,17 0 0 0,17
1980-2006 1985-2006
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1(036) 0,6 0,17 0,06 0,06 0 0,06 0 0,03 0 0 0 0,03 1(174) 0,59 0,28 0,09 0,03 0,01 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2(135) 0,41 0,33 0,14 0,07 0,01 0,01 0,01 0,01 0 0 0 0 2(257) 0,25 0,4 0,16 0,1 0,03 0,01 0,02 0,01 0 0,01 0 0 0 0 0 0 0 0 0
3(184) 0,13 0,37 0,2 0,12 0,09 0,02 0,03 0,01 0,01 0,01 0 0,01 3(119) 0,06 0,28 0,21 0,15 0,12 0,07 0,02 0,03 0,02 0,01 0,01 0 0,01 0 0,01 0 0 0 0,02
4(130) 0,08 0,25 0,25 0,19 0,07 0,07 0,02 0,02 0,02 0,01 0 0,01 4(056) 0,04 0,27 0,21 0,18 0,05 0,02 0,05 0,04 0,04 0,04 0 0,02 0,04 0 0 0 0 0 0,02
5(099) 0,03 0,19 0,23 0,12 0,15 0,08 0,05 0,02 0 0,01 0,01 0,09 5(029) 0,03 0,17 0,31 0,24 0 0,03 0,1 0 0 0,03 0 0 0 0,03 0 0 0 0 0,03
6(061) 0 0,13 0,21 0,16 0,15 0,05 0,05 0,08 0,05 0,02 0,03 0,07 6(021) 0 0,19 0,19 0,33 0,05 0,1 0 0 0 0 0,05 0 0 0 0 0 0 0 0,1
7(030) 0 0,17 0,1 0,2 0,3 0,03 0 0 0,03 0,03 0,03 0,1 7(013) 0 0,15 0,46 0 0,08 0,15 0 0 0,08 0 0 0 0,08 0 0 0 0 0 0
8(023) 0,04 0,17 0,09 0,13 0,09 0,13 0 0,04 0,04 0,09 0 0,17 8(010) 0 0,1 0,3 0 0,2 0,2 0 0 0,1 0 0 0 0 0 0 0 0 0 0,1
9(010) 0,1 0 0,1 0,1 0,1 0,2 0 0,1 0,1 0 0 0,2 9(010) 0 0 0,2 0,4 0,1 0,2 0 0,1 0 0 0 0 0 0 0 0 0 0 0
10(05) 0 0 0 0 0,4 0,2 0,2 0 0 0 0 0,2 10(05) 0 0,2 0,4 0 0,2 0,2 0 0 0 0 0 0 0 0 0 0 0 0 0
11(04) 0 0 0,25 0,25 0,25 0 0 0 0,25 0 0 0 11(10) 0 0,2 0,5 0,1 0,1 0 0 0 0,1 0 0 0 0 0 0 0 0 0 0
12(05) 0 0 0,2 0 0 0 0 0,2 0 0 0,2 0,4 12(02) 0 0 0 0,5 0 0,5 0 0 0 0 0 0 0 0 0 0 0 0 0
13(05) 0 0 0,2 0,6 0 0,2 0 0 0 0 0 0 0 0 0 0 0 0 0
14(01) 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
15(02) 0 0 0,5 0 0,5 0 0 0 0 0 0 0 0 0 0 0 0 0 0
16(01) 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
17(02) 0 0 0,5 0 0 0 0,5 0 0 0 0 0 0 0 0 0 0 0 0
18(01) 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
19(04) 0,25 0 0,5 0,25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
46
Continuação:
1996-2006
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1(117) 0,61 0,27 0,07 0,03 0,01 0 0 0,01 0 0 0,01 0 0 0 0
2(218) 0,23 0,48 0,15 0,08 0,04 0,01 0 0 0 0 0 0 0 0 0
3(131) 0,15 0,39 0,24 0,08 0,06 0,02 0,02 0,01 0,02 0 0,01 0 0 0 0,01
4(84) 0,01 0,20 0,34 0,26 0,09 0,05 0,02 0,01 0 0,01 0 0 0 0 0
5(62) 0,05 0,11 0,16 0,24 0,16 0,05 0,03 0,05 0,06 0,02 0 0,02 0 0,02 0,03
6(40) 0 0,10 0,23 0,25 0,05 0,08 0,08 0,05 0 0,03 0,03 0,03 0 0 0,10
7(20) 0 0,10 0,10 0,20 0,05 0,25 0,10 0 0 0 0,10 0 0,05 0 0,05
8(11) 0 0 0,08 0,00 0,31 0,31 0 0,08 0 0,15 0 0 0 0 0,08
9(13) 0 0 0,27 0,09 0,09 0,18 0 0 0,09 0 0 0 0 0,09 0,18
10(8) 0 0,13 0,25 0,13 0,13 0 0,25 0 0 0,13 0 0 0 0 0
11(9) 0 0 0,22 0,33 0 0,11 0 0 0,11 0 0 0,11 0 0 0,11
12(1) 0 0 0,50 0 0 0 0 0,50 0 0 0 0 0 0 0
13(3) 0 0 0 0,50 0,50 0 0 0 0 0 0 0 0 0 0
14(1) 0 0 1,00 0 0 0 0 0 0 0 0 0 0 0 0
15(4) 0 0 0 0,50 0,25 0 0,25 0 0 0 0 0 0 0 0
Nota: Os valores entre parênteses indicam o número de municípios em cada classe no período inicial.
Fonte: Resultados da pesquisa
47
48
A tabela 9 mostra os resultados para as trajetórias dos municípios até o estado
estacionário. Em termos qualitativos estes não diferem do encontrado para as microrregiões,
nota-se uma dinâmica de evolução mais intensa em direção às classes inferiores de
produtividade (abaixo da média do estado) e uma pequena parcela de municípios migram para
as classes superiores. Além disso, os resultados, em suas conclusões, não são sensíveis às
variações nos períodos de análise. Novamente, o período 1985 a 2006 apresenta uma reversão
da tendência dos períodos anteriores com municípios das classes um e dois migrando para
classes mais elevadas de produtividade, todavia, novamente esta dinâmica tem um efeito
quantitativo modesto.
No cálculo de meia-vida, o período que apresentou o menor valor foi 1996 a 2006 e o
de maior valor foi 1970 a 2006, nesses casos levar-se-iam 15 e 44 anos, respectivamente, para
que metade do caminho até o estado estacionário fosse percorrido. Assim, como o faz a
Figura 1D do Anexo D para as microrregiões, a Figura 2D, do mesmo anexo, resume, para os
municípios, os resultados presentes na Tabela 9.
Stulp (2004) ao analisar convergência da produtividade da mão-de-obra na
agropecuária Gaúcha no período de 1975 a 1996 encontra resultados distintos dos aqui
apresentados em termos da direção em que ocorrem as migrações. Das quatro classes
identificadas, obteve-se uma dinâmica que aponta para uma migração das regiões que ocupam
as classes abaixo da média estadual (classes 1 e 2) em direção a classe 3 (acima da média do
estado), e migração da classe 4 para a classe 3. Ainda assim, no estado estacionário, têm-se
62% das regiões ocupando as classes abaixo da média do estado. Para o cálculo de meia-vida
esse autor encontra o valor de 49 anos, bem próximo dos valores aqui obtidos, principalmente
para os períodos de transição de 1985 a 2006 e 1996 a 2006 no caso das microrregiões e 1975
a 2006 no caso dos municípios.
Fochezatto e Stulp (2008) estudando convergência da produtividade da mão-de-obra
na agropecuária entre os estado brasileiros no período de 1990 a 2000 identifica quatro classes
de produtividade. O resultado aponta para ocorrência de divergência entre os estados, pois
cresce o número de estados que participam das classes 1 e 4. Para o cálculo de meia-vida
obteve-se o valor de 7 anos, um valor bem baixo, indicando que os estados já estão bem
próximos de sua distribuição de longo prazo.
Na próxima seção, estima-se a probabilidade de transição por meio do uso do núcleo
estocástico para que seja feita análise mantendo-se o tratamento da distribuição dos dados na
forma contínua. Procedendo-se assim, será possível comparar a robustez dos resultados aqui
obtidos com a discretização do espaço de produtividades.
Tabela 9 - Dinâmica das classes de produtividade relativa da mão-de-obra na agropecuária entre os municípios de Minas Gerais em direção ao equilíbrio de
longo prazo no período de 1970 a 2006.
1970-2006 1975-2006
Classes de
Produtividade Períodos (cada período se refere a intervalo de 36 anos)
Classes de
Produtividade Períodos (cada período se refere a intervalo de 31 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,49 23,82% 37,34% 38,94% 40,81% 42,16% 1 - - 0,31 10,11% 17,52% 23,43% 26,80% 32,06%
2 - 0,49 0,97 39,34% 27,62% 31,00% 30,62% 30,52% 2 - 0,31 0,62 23,27% 28,62% 28,23% 28,32% 28,63%
3 - 0,97 1,46 21,05% 18,04% 14,99% 14,37% 13,86% 3 - 0,62 0,93 24,52% 19,43% 16,60% 15,47% 13,80%
4 - 1,46 1,94 9,42% 6,64% 5,63% 5,41% 5,22% 4 - 0,93 1,24 17,45% 11,72% 10,30% 9,49% 8,28%
5 - 1,94 2,43 2,91% 3,37% 3,41% 3,19% 3,02% 5 - 1,24 1,55 8,03% 7,46% 7,52% 7,10% 6,35%
6 - 2,43 2,92 1,80% 2,38% 1,72% 1,61% 1,51% 6 - 1,55 1,86 6,37% 3,85% 3,54% 3,26% 2,84%
7 - 2,92 3,4 0,69% 1,28% 1,18% 1,06% 0,95% 7 - 1,86 2,17 4,02% 3,85% 3,79% 3,55% 3,07%
8 - 3,4 3,89 0,55% 1,08% 0,78% 0,78% 0,77% 8 - 2,17 2,48 1,66% 1,25% 1,01% 0,93% 0,83%
9 - 3,89 4,37 0,14% 0,19% 0,48% 0,42% 0,38% 9 - 2,48 2,79 1,66% 1,20% 0,93% 0,85% 0,70%
10 - 4,37 - 0,28% 2,05% 1,86% 1,73% 1,61% 10 - 2,79 3,1 0,69% 1,38% 1,22% 1,11% 0,91%
11 - 3,1 3,41 1,11% 0,69% 0,62% 0,59% 0,55%
12 - 3,41 3,72 0,28% 0,86% 0,66% 0,59% 0,47%
13 - 3,72 - 0,83% 2,18% 2,13% 1,93% 1,52%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em
anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 30
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em
anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 44
49
Continuação:
1980-2006 1985-2006
Classes de
Produtividade Períodos (cada período se refere a intervalo de 26 anos)
Classes de
Produtividade Períodos (cada período se refere a intervalo de 21 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,29 4,85% 17,29% 24,43% 28,22% 31,12% 1 - - 0,38 23,68% 24,56% 23,86% 23,36% 22,53%
2 - 0,29 0,57 19,11% 24,85% 24,81% 23,90% 23,05% 2 - 0,38 0,75 36,29% 30,06% 29,49% 29,20% 29,01%
3 - 0,57 0,86 24,79% 18,63% 16,37% 15,21% 14,27% 3 - 0,75 1,13 16,20% 18,55% 18,25% 18,46% 18,72%
4 - 0,86 1,14 18,56% 12,44% 10,48% 9,83% 9,37% 4 - 1,13 1,51 7,76% 11,37% 11,80% 12,06% 12,34%
5 - 1,14 1,43 13,57% 10,59% 6,99% 5,92% 5,21% 5 - 1,51 1,88 4,02% 4,52% 4,79% 4,85% 4,95%
6 - 1,43 1,72 8,45% 4,11% 4,29% 4,34% 4,45% 6 - 1,88 2,26 2,91% 3,19% 3,34% 3,47% 3,59%
7 - 1,72 2 4,16% 2,90% 2,23% 1,86% 1,64% 7 - 2,26 2,64 1,80% 1,80% 1,86% 1,89% 1,94%
8 - 2 2,29 3,19% 2,04% 2,63% 2,86% 3,03% 8 - 2,64 3,01 1,39% 1,12% 1,21% 1,23% 1,26%
9 - 2,29 2,57 1,39% 0,71% 1,23% 1,24% 1,20% 9 - 3,01 3,39 1,39% 1,12% 1,13% 1,15% 1,19%
10 - 2,57 2,86 0,69% 0,88% 0,77% 0,71% 0,67% 10 - 3,39 3,77 0,69% 0,90% 0,96% 0,97% 0,99%
11 - 2,86 3,15 0,55% 1,28% 1,17% 1,20% 1,21% 11 - 3,77 4,14 1,39% 0,33% 0,42% 0,43% 0,44%
12 - 3,15 - 0,69% 4,31% 4,60% 4,71% 4,79% 12 - 4,14 4,52 0,28% 0,17% 0,21% 0,21% 0,22%
13 - 4,52 4,9 0,69% 0,55% 0,71% 0,72% 0,75%
14 - 4,9 5,27 0,14% 0,17% 0,16% 0,17% 0,17%
15 - 5,27 5,65 0,28% 0,11% 0,15% 0,16% 0,16%
16 - 5,65 6,03 0,14% 0,00% 0,00% 0,00% 0,00%
17 - 6,03 6,4 0,28% 0,00% 0,00% 0,00% 0,00%
18 - 6,4 6,78 0,14% 0,15% 0,12% 0,11% 0,11%
19 - 6,78 - 0,55% 0,90% 1,10% 1,13% 1,18%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em
anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 28
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em
anos) = ln(2)/ln(maior autovalor, exceto o unitário) = 28
50
Continuação:
1996-2006
Classes de Produtividade Períodos (cada período se refere a intervalo de 11 anos)
Li Ls Inicial 1 2 3
Estado
Estacionário
1 - - 0,34 15,79% 19,78% 21,91% 23,33% 25,74%
2 - 0,34 0,67 30,61% 29,58% 30,93% 31,58% 32,35%
3 - 0,67 1,01 18,01% 18,92% 18,00% 17,55% 16,80%
4 - 1,01 1,34 11,77% 12,65% 11,98% 11,45% 10,59%
5 - 1,34 1,68 8,59% 6,56% 6,11% 5,81% 5,36%
6 - 1,68 2,01 5,54% 3,91% 3,35% 3,10% 2,75%
7 - 2,01 2,35 2,77% 2,21% 2,02% 1,86% 1,60%
8 - 2,35 2,68 1,80% 1,44% 1,24% 1,17% 1,07%
9 - 2,68 3,02 1,52% 1,09% 1,02% 0,98% 0,90%
10 - 3,02 3,35 1,11% 0,96% 0,82% 0,76% 0,67%
11 - 3,35 3,69 1,25% 0,75% 0,65% 0,62% 0,58%
12 - 3,69 4,02 0,28% 0,30% 0,28% 0,25% 0,22%
13 - 4,02 4,36 0,28% 0,29% 0,25% 0,24% 0,23%
14 - 4,36 4,69 0,14% 0,21% 0,20% 0,19% 0,17%
15 - 4,69 - 0,55% 1,36% 1,23% 1,12% 0,97%
Tempo necessário para atingir a metade do caminho em direção ao estado estacionário (em anos)
= ln(2)/ln(maior autovalor, exceto o unitário) = 15
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
51
52
4.5. Núcleo Estocástico
A Figura 7 apresenta as estimativas dos núcleos estocásticos da produtividade relativa
da mão-de-obra na agropecuária para as microrregiões de Minas Gerais nos períodos de
transição 1970 a 2006, 1975 a 2006, 1980 a 2006, 1985 a 2006 e 1996 a 2006. O primeiro
gráfico de cada seqüência horizontal mostra o núcleo estocástico em três dimensões e o
segundo as curvas de nível correspondentes ao núcleo calculado, em que cada linha de
contorno conecta pontos de mesma altura no núcleo, com as curvas mais centrais indicando
maior probabilidade.27
A interpretação do núcleo é feita observando-se que a partir de cada ponto no eixo x
(Ano 1970, Ano 1975, Ano 1980, Ano 1985 e Ano 1996) estendendo-se ao longo do eixo y
(Ano 2006), o núcleo estocástico corresponde a uma função densidade de probabilidade que
indica a probabilidade de uma microrregião possuir a produtividade final medida no eixo y,
condicionada à produtividade no eixo x.
Se a massa do núcleo se concentrar ao longo da diagonal de 45 graus têm-se
persistência na distribuição, as economias tendem a permanecer onde começaram. Se a massa
sobre a linha de 45 graus for rotacionada 90 graus no sentido anti-horário, o contrário ocorre,
há uma substancial dinâmica de “ultrapassagem”, os pobres se tornam ricos e os ricos se
tornam pobres. Se o núcleo se concentrar paralelo ao eixo x isto indica que
independentemente de suas produtividades iniciais, as microrregiões apresentariam mesma
produtividade final, implicando em convergência. Por fim, se o núcleo se concentrar paralelo
ao eixo y isto implica que, partindo de um valor de produtividade inicial as microrregiões não
apresentariam mesma produtividade final, implicando, neste caso, em divergência.
Ao analisar a Figura 7 percebe-se que em todos os períodos analisados a maior parte
da massa do núcleo situa-se acima da reta de 45 graus, o que demonstra que as transições
ocorrem com maior probabilidade para classes inferiores, além disso, grande parte da massa
do núcleo está sobre a reta de 45 graus denotando estabilidade na distribuição, resultado
semelhante ao obtido por Sassi (2006) que também encontra sinais de persistência na
distribuição da produtividade da mão-de-obra no setor agrícola da União Européia no período
de 1994 a 2003. Esse contexto, conforme Ribeiro et al. (2006), pode ser descrito como um
27 Os valores nos eixos devem ser interpretados da mesma forma que é feito nas seções anteriores em que se
analisa a variável produtividade relativa da mão-de-obra na agropecuária de Minas Gerais.
53
efeito “rainha vermelha”28
, na medida em que as microrregiões podem ampliar a sua
produtividade da mão-de-obra apenas para “permanecerem no mesmo lugar”.
(a)
(b)
28 O termo é da personagem Rainha Vermelha, pois é dela a frase no livro "Alice através do espelho" de Lewis
Carroll que diz "aqui neste país Alice, você precisa correr o máximo que puder para permanecer no lugar...".
54
Continuação:
(c)
(d)
(e)
Fonte: Resultados da pesquisa.
Figura 7 - Núcleo estocástico da produtividade relativa da mão-de-obra na agropecuária para
as microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b),
1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).
55
Até a transição 1980 a 2006 predomina a existência de somente um pico, contudo, a
partir da transição 1985 a 2006 surge um segundo pico o que revela tendência de polarização
entre um grupo formado por microrregiões de baixa produtividade e outro formado por
microrregiões de alta produtividade, ademais, o surgimento do vale denota baixa
probabilidade de transição nas classes intermediárias de produtividade. Essas são
características incapazes de serem captadas pelos métodos tradicionais de β e σ-convergência.
Cabe ressaltar, que os resultados aqui encontrados corroboram aqueles obtidos por
meio da matriz de Markov, quais sejam, altas probabilidades na diagonal principal e
probabilidades mais elevadas abaixo da diagonal principal. Conforme Pimentel e Haddad
(2004) a ausência de convergência para o setor agropecuário mineiro, ao se analisar suas
microrregiões, deve-se ao desenvolvimento das regiões mais ricas deste setor de forma mais
intensa do que das áreas mais pobres. Ainda segundo esses autores, o relatório do Banco de
Desenvolvimento de Minas Gerais informa que o setor agropecuário mineiro apresentou
melhora de seus indicadores na década de 1990, contudo, esse fato é reflexo de melhora dos
indicadores em regiões que o setor já está consolidado, sendo pouco provável atribuir o
resultado a regiões onde a atividade agropecuária estabeleceu-se recentemente. Sendo assim,
esse contexto corrobora a noção de que o desenvolvimento ocorre em regiões onde ele já é
acentuado, culminando em um processo divergente.
Em termos geográficos, isso denota uma divisão clara em que, de um lado,
representando regiões de grande concentração de investimentos, têm-se as regiões do
Triângulo Mineiro e do Sul de Minas, onde as culturas de milho, café e soja se localizam com
orientação para a exportação e para o setor industrial e, de outro, representando regiões mais
pobres, têm-se as regiões norte e nordeste do estado, marcadas pela ausência de culturas
direcionadas ao mercado, de tal forma que essa porção do estado acaba por constituir-se de
unidades onde a produção agropecuária assume características mais simples e para a
subsistência e lavoura local.
A Figura 8 apresenta os resultados do cálculo do núcleo estocástico para os municípios
de Minas Gerais. Ao observá-la, percebe-se que os resultados se alteram em relação aos
obtidos para as microrregiões, principalmente no que tange à localização da massa do núcleo.
Aqui, a maior parte da massa se concentra paralela ao eixo x o que indica um processo de
convergência. Em todos os períodos nota-se que, independente do nível de produtividade que
o município possui no período inicial este tem probabilidade elevada de, no período final, ter
um valor de produtividade compreendido no intervalo de 0 a 2 da média do estado. A
56
semelhança com os resultados obtidos para as microrregiões reside no fato da maior parte da
massa localizar-se acima da reta de 45 graus, indicando uma maior probabilidade de migração
para classes inferiores de produtividade.
Outro fato constatado pela análise da Figura 8 é a existência de um processo
divergente nas classes superiores de produtividade, isso pode ser visto por um acúmulo de
massa paralelo ao eixo y para valores de produtividade acima de 2, contudo, é uma dinâmica
de pequena importância dada sua baixa probabilidade de ocorrência.
Novamente, os resultados corroboram aqueles encontrados pela matriz de Markov e
pelo método tradicional de β-convergência, o que é demonstrado por uma probabilidade de
transição elevada em direção a níveis baixos de produtividade implicando em convergência
para tais níveis.
(a)
(b)
57
Continuação:
(c)
(d)
(e)
Fonte: Resultados da pesquisa.
Figura 8 - Núcleo estocástico da produtividade relativa da mão-de-obra na agropecuária para
os municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b),
1980 a 2006 (c), 1985 a 2006 (d) e 1996 a 2006 (e).
58
A alteração da disposição da massa do núcleo dos municípios em relação às
microrregiões pode ser explicada pela heterogeneidade existente dentro das microrregiões.
Em geral, dentro de cada microrregião há poucos municípios com alta produtividade e muitos
de produtividade média e baixa. Ao desagregar estas microrregiões em municípios, permite-se
que os municípios de média e baixa produtividade, que possuem um padrão de dinâmica
semelhante, caminhem juntos. Dado que essa dinâmica semelhante se traduziu em
convergência para classes inferiores de produtividade, obteve-se, então, a forma do núcleo
esboçada pela Figura 8.
59
5. RESUMO E CONCLUSÕES
As disparidades regionais existentes no estado de Minas Gerais é um fato notadamente
reconhecido e documentado, situação que se estende ao seu setor agropecuário. À luz desse
contexto e do recente bom desempenho produtivo desse setor, este trabalho procurou
investigar se existe alguma tendência para que a distância entre regiões agropecuárias de
elevada e baixa produtividade venha a diminuir, tomando por base o período compreendido
entre 1970 e 2006. Para tanto, utilizou-se como variável de análise a produtividade relativa da
mão-de-obra na agropecuária dos municípios e microrregiões do estado, buscando avaliar a
existência ou não de um processo de convergência sob a ótica de diferentes metodologias de
teste.
Os resultados encontrados demonstram que as microrregiões mineiras não apresentam
um processo de β-convergência absoluta nem de σ-convergência. Ao se analisar sua
densidade de distribuição observa-se que esta sofreu, ao longo do período de estudo, um
deslocamento de massa para a esquerda, denotando uma piora em sua distribuição de
produtividades. Quanto à sua dinâmica, esboçada pelo cálculo das matrizes de Markov e
Núcleo Estocástico, nota-se uma expressiva persistência, indicando que as microrregiões de
baixa produtividade da mão-de-obra tendem a permanecer dessa forma, bem como as
microrregiões de elevada produtividade, que mantêm suas posições relativas. Vale ressaltar
que essa tendência se modifica nas duas últimas transições (1985-2006 e 1996-2006),
delineando a formação de dois clubes de convergência, um formado por regiões de baixa
produtividade e outro por regiões de alta produtividade. Outro ponto a se destacar é que no
60
estado estacionário, a maior parte das microrregiões situa-se em classes de produtividade que
estão abaixo da média do estado.
No que diz respeito aos municípios, os resultados indicam a presença de um processo
de β-convergência absoluta, contudo, os resultados para σ-convergência seguem o padrão
apresentado pelas microrregiões. Para o cálculo das densidades de distribuição têm-se o
mesmo quadro apresentado pelas microrregiões, qual seja, de um deslocamento para a
esquerda da distribuição. Quanto à dinâmica percebe-se que a alta persistência encontrada
para as microrregiões sede espaço para uma trajetória de transição que converge para as
classes inferiores de produtividade. Tal alteração nos resultados pode ser explicada pela
heterogeneidade existente dentro das microrregiões. Ao se trabalhar com a malha municipal,
permite-se que municípios que tenham padrão de desenvolvimento semelhante entre as
microrregiões, possam ser identificados e agrupados o que, neste caso específico, gerou o
resultado mencionado.
Com base no exposto, percebe-se que a hipótese de pesquisa é confirmada quando se
considera a análise para as microrregiões e refutada quando se considera a análise para os
municípios, todavia, quando refutada denota um processo de convergência “ruim”, já que é
direcionado para classes inferiores de produtividade.
Conclui-se, assim, que o crescimento econômico não está sendo capaz de reduzir as
diferenças regionais, segundo o que aponta as metodologias propostas, e que as políticas
públicas direcionadas ao setor deveriam ser mais bem pensadas, visando não somente ao
crescimento da produção. Isto é um fato que se tornou claro ao longo do período analisado e
representa um indicativo de que o investimento em capital humano é de suma importância
para que o efeito “rainha vermelha” não perdure no setor.
Dado que o desenvolvimento da agropecuária está em grande medida associado às
habilidades e ao nível de escolaridade de seus trabalhadores e empresários, deve-se buscar a
redução de tais desigualdades pela redução das desigualdades em termos de capital humano.
Para tanto, políticas de treinamento da mão-de-obra rural, no ensino tradicional e alternativo,
devem ser formuladas em conjunto com políticas de estímulo ao aumento da produção.
A principal deficiência da presente pesquisa está em seu caráter
predominantemente descritivo e não tão explicativo. Essa é uma lacuna que futuros
trabalhos poderão preencher mediante o uso de esquemas condicionantes, que são capazes
de mensurar como determinadas variáveis afetam a distribuição de produtividades, bem
como sua probabilidade de transição. Com isso, será possível identificar quais as
61
principais variáveis responsáveis por influenciar positivamente a trajetória de crescimento
da produtividade.
62
REFERÊNCIAS
ABRAMOVITIZ, M. Catching up, forging ahead and falling behind. Journal of Economic
History. vol. XLVI, p. 385-406, 1986.
ALVES, L. F.; FONTES, R. Clubes de convergência entre os municípios de Minas Gerais.
Revista Econômica do Nordeste, v.32, n° especial, 2001, p. 546-568.
AZZONI, C. Economic growth and regional income inequality in Brazil. The Annals of
Regional Science. v. 35, pp. 133-152, 2001.
AZZONI, C. R. et al. Geography and income convergence among Brazilian states. New York:
Inter-American Development Bank, 2000. Disponível em:
<http://www.iadb.org/res/publications/pubfiles/pubR-395.pdf>. Acesso em: 12 mar. 2010.
BARRO, R. J. Determinants of economic growth: a cross country empirical study. 2nd ed.
Cambridge: MIT Press, 1997.
BARRO, Robert J.Economic growth in a cross section of countries. Quarterly Journal of
Economics 106, 407–443.1991
BARRO, Robert J. ; XAVIER Sala-i-Martin .Technological diffusion, convergence, and
growth. Journal of Economic Growth, v.2, p. 1–27, 1997.
BARRO. J, R.; SALA-I-MARTIN, X. Convergence. Journal of Political Economy, v. 100,
n.2, p.223-251, 1992.
BAUMOL, W. Productivity growth, convergence, and welfare: what the long-run data show.
American Economic Review, v.76, n.5 p. 1072-1085, 1986.
BAUMONT, C.; ERTUR, C.; LE GALLO, J. Convergence des régions européenes: une
approche par l’économétrie spatiale. LATEC: Université de Bourgogne, fev. 2000.
63
BERNARD, A.B., Jones, C.I. Productivity across industry and countries: time series theory
and evidence. Review of Economic and Statistics, v.78, n.1, February, p. 135-146, 1996a.
BERNARD, A; JONES, C.I. Comparing apples to oranges: productivity convergence and
measurement across industries and countries. American Economic Review ,v.86, n.5, p.
1216–1238,1996b.
BULLI, S. Distribution dynamics and cross-country convergence: a new approach. Scottish
Journal of Political Economy, v. 42, p. 226-243, 2001.
CALDEIRA, T.A. ; SANTOS, M.L. ; FONTES, R. ou FONTES, R.M.O. ; Braga, M.J. .
Educação, Crédito e Convergência de Renda Agropecuária em Minas Gerais. In: XIV
Seminário sobre a Economia Mineira, 2010, Diamantina, MG. Anais do XIV Seminário sobre
a Economia Mineira. Belo Horizonte, MG : CEDEPLAR-UFMG, 2010. v. 1. p. 1-21.
CASS, D. Optimum Growth in an Aggregative Model of Capital Accumulation. Review of
Economics Studies, v.32, p. 233-240, 1965.
CURI, W. F. Eficiência e fonte de crescimento da agricultura mineira na dinâmica de
ajustamento da economia brasileira. 1997. Dissertação (Mestrado em Economia Aplicada)
– Universidade Federal de Viçosa, Viçosa, MG.
DE LONG, B. Productivity growth, convergence and welfare: comment. The American
Economic Review. v. 78, p. 1138-1154, 1988.
DOLLAR, D.; WOLFF, E. N. Convergence of industry labor productivity among advanced
economies, 1963-1982. Review of Economics and Statistics, v.70, n.4, p. 549-558, 1988.
DRENNAN, M. P.; LOBO, J. A Simple Test for Convergence of Metropolitan Income in the
United States. In: Journal of Urban Economics. n.46, p-350-359, 1999.
EASTERLY, W. O espetáculo do Crescimento. Rio de Janeiro: Ediouro, 2004.
ELLERY JR, R.; GOMES, V. Modelo de Solow, resíduo de Solow e contabilidade do
crescimento. Disponível em:
<http://www.victorgomes.com.br/docs/cursos/macro2/growth1.pdf> Acesso em: 25 mar.
2009.
FERREIRA, A. Concentração regional e dispersão das rendas per capita estaduais: um
comentário.Estudos Econômicos, v. 29, n. 1, p. 47-63, 1999.
FERREIRA, A. Convergence in Brazil: recent trends and long-run prospects. Applied
Economics, v.479-489, 2000.
FERREIRA, A. H.; C. DINIZ. Convergência entre as rendas per capita estaduais no brasil.
Revista de Economia Política. v. 15, n. 4, p. 38-55, 1995.
FERREIRA, P.; ELLERY JR, R., Convergência entre a renda per capita dos estados
brasileiros. Revista de Econometria, v.16, n. 1, p.83-104, 1996.
64
FIGUEIRÊDO, L.; LEAL FILHO, R. S.; AGUIAR, C. Matriz de Probabilidades de Transição
por Estimador de Núcleo para as Rendas Relativas das Microrregiões de Minas Gerais. In:
Seminário sobre a Economia Mineira 12, 2006, Diamantina. Anais... Diamantina:
CEDEPLAR, 2006. p.1-20.
FREITAS, C. A; BACHA, C. J. C.; FOSSATTI, D. M. Avaliação do desenvolvimento do
setor agropecuário no Brasil. Economia e Sociedade (UNICAMP), v. 16, n.1, p. 111-124,
2007.
FRIEDMAN, M. Do old fallacies ever die? Journal of Economic Literature, v. 30, p. 2129-
2132, 1992.
GALONOPOULOS K.et al. Agricultural Productivity Growth in the Euro-Med Region:
Is there Evidence of Convergence?. 12th Congress of the European Association of
Agricultural Economists – EAAE 2008
GALOR, O . Convergence? Inferences from Theoretical Models. The Economics Journal, v.
106, n. 437, p.1056-1080, 1996.
GASQUES, J. G., CONCEIÇÃO, J. C. P. R. Transformações estruturais da agricultura e
produtividade total dos fatores. Brasília: IPEA, 2000. (Texto para Discussão, 768).
GASQUES, J. G.; BASTOS, E. T.; BACCHI, M. P. R.; CONCEIÇÃO, J. C. P. R.
Condicionantes da produtividade da agropecuária brasileira. Brasília: IPEA, 2004.
(Texto para Discussão, n. 1017).
GOLLIN, D.; PARENTE, S.; ROGERSON, R. The Role of Agriculture in Development. The
American Economic Review, vol. 92, n. 2, p.160-164, 2002.
GONÇALVES, J. S. Crescimento do produto e conteúdo da produtividade na agropecuária
brasileira do período 1975-2003. Informações Econômicas, v.37, n. 8, 2007.
GONDIM, João Luis Brasil; BARRETO, Flávio Ataliba. O uso do núcleo estocástico para
identificação de clubes de convergência entre estados e municípios brasileiros. In:
ENCONTRO NACIONAL DE ECONOMIA, 32, 2004, Salvador. Anais... Salvador: ANPEC,
2010. p. 1-15.
GONDIN, J. L., BARRETO, Flávio A., Carvalho, J. R. Jr Condicionantes de Clubes de
Convergência no Brasil. Revista Estudos Econômicos, vol. 37, n 1, p. 71-100, 2007.
GRIER, Kevin B.; GORDON Tullock. An Empirical Analysis of cross-national economic
growth, 1951–1980. Journal of Monetary Economics v. 24, p. 259-276, 1989
GUTIERREZ, L. Why is agricultural labour productivity higher in some countries than
others? Agricultural Economics Review, v.3, n.1, p. 58-78, 2002.
INSTITUTO DE PESQUISA ECONÔMICA APLICADA – IPEA. Conta Nacionais. 2009.
Disponível em: <www.ipeadata.gov.br>. Acesso em 22/11/2009.
65
ISLAM, N. What we have learnt from the convergence debate? Disponível em:<
http://www.ecostat.unical.it/aiello/Didattica/economia_Crescita/CRESCITA/islam_survey.pdf
> Acesso em: 27 fev. 2010.
JONES, C.I. Introdução à teoria do crescimento econômico. Rio de Janeiro: Elsevier, 2000.
KOOPMANs, Tjalling C. On the Concept of Optimal Economic Growth. Cowles
Foundation Discussion Papers 163, Cowles Foundation for Research in Economics, Yale
University, 1963.
KORMENDI, Roger C. and Philip G. Meguire. Macroeconomic Determinants of growth:
cross-country evidence. Journal of Monetary Economics, v 16, p.141–163, 1985.
LAURINI, M.; ANDRADE, E.; PEREIRA, P. Clubes de convergência de renda para os
municípios brasileiros: uma análise não-paramétrica. ENCONTRO BRASILEIRO DE
ECONOMETRIA, 25, 2003, Salvador. Anais... Salvador: SBE, 2003 p. 1-20.
LE GALLO, J. Space-time analysis of GDP disparities among European regions: a
Markov chains approach. Dijon/França: University of Burgundy, Mar. 2001.
LUCAS, Robert E., Jr. On the mechanics of economic development. Journal of Monetary
Economics, v 22, p.3-42, 1988.
MAGRINI, S. The evolution of income disparities among the regions of the European Union.
Regional Science and Urban Economics, v. 29, p. 257-281, 1999.
MANKIW, G., Romer, D, WEIL, D. A Contribution to the Empirics of Economic Growth.
Quarterly Journal of Economics, v.107, n.2, p. 407-437, 1992.
MARANDUBA JUNIOR, N. G. ; ALMEIDA, E. S.. Eficiência e eficácia da política regional
em Minas Gerais. In: XXXVI Encontro Nacional de Economia, 2008, Salvador. Anais do
XXXVI Encontro Nacional de Economia, 2008.
MEYER, L.F.F; BRAGA, M. J. O crescimento das desigualdades tecnológicas na agricultura
mineira. Revista de Economia e Sociologia Rural, Brasília, v.36, n. 01, p.59-90, 1998.
MOSSI, M.; P. AROCA; I. FERNÁNDEZ; C. AZZONI. Growth dynamics and space in
Brazil. International Regional Science Review. v. 26, n. 3, p. 393-418, 2003.
MUGERA, Amin W.; LANGEMEIER, Michael. Labor Productivity Growth And
Convergence In The Kansas Farm Sector: A Tripartite Decomposition Using The Dea
Approach," 2008 Annual Meeting, July 27-29, 2008, Orlando, Florida 6069, American
Agricultural Economics Association (New Name 2008: Agricultural and Applied Economics
Association). Disponível em: < http://ageconsearch.umn.edu/bitstream/6069/2/467393.pdf>
Acesso em: 25 out. 2010.
NARRO, M. C. C. Productivity convergence in the European regional agricultures.
Determinants of its evolution. 113th EAAE Seminar A resilient European food industry and
food chain in a challenging world, Chania, Crete, Greece, date as in: September 3 - 6, 2009.
66
Disponível em: < http://ageconsearch.umn.edu/bitstream/58002/2/CuervaNarro.pdf> Acesso
em: 18 out. 2010.
PEROBELLI, F. S. ; FERREIRA, Pedro Guilherme ; FARIA, Weslem Rodrigues . Análise de
Convergência Espacial do PIB per capita em Minas Gerais: 1975-2003. In: XI Encontro
Regional de Economia, 2006, Fortaleza. Nordeste: Estratégias de Desenvolvimento Regional.
Fortaleza : BNB, 2006.
PIMENTEL, E. A.; HADDAD, E. A. Análise da Distribuição Espacial da Renda no
Estado de Minas Gerais: Uma Abordagem Setorial. São Paulo: Nereus, 2004 (Texto para
Discussão n° 02-2004).
QUAH, D.Galton’s fallacy and testes of the convergence hypothesis. Scandinavian Journal
of Economics, v.95, n.4, p. 427-443, 1993.
QUAH, Danny. Empirical cross- section Dynamics in Economic Growth. LSE Working
Paper, november, 1992.
QUAH, Danny. Empirics for growth and distribution: stratification, polarization and
convergence clubs. Journal of Economic Growth, v. 2, n. 1, p. 27-59, 1997.
REBELO, S. Long-run policy analysis and long-run growth. Journal of Political Economy,
v.99, v.3, p.500-521, 1991.
RESENDE, G. M. ; FIGUEIRÊDO, L. . Economic Growth of Minas Gerais - a quantile
regression approach between 1980 & 2000. In: XIII Seminário sobre a Economia Mineira,
2008, Diamantina. Anais do XIII Seminário sobre a Economia Mineira, 2008.
RIBEIRO, L. C.; RUIZ, R. M.; BERNARDES, A. T.; ALBUQUERQUE, E. M.. The curse of
technological race: the red queen effect. Belo Horizonte: Cedeplar-UMG, 2006 (Texto para
Discussão).
ROMER, D. Advanced macroeconomics. 3. ed. McGraw-Hill, 2006.
ROMER, Paul. Origins of Endogeneous Growth. Journal of Economic Perspectives, v. 8, p.
3–22, 1994.
ROMER, Paul M. Increasing Returns and Long Run Growth. Journal of Political Economy,
v. 94. p. paginas 1986.
SALVATO, M. A. ; ARAUJO JUNIOR, A. F. de; RAAD, R. J; PESSOA, F. M. Disparidades
Regionais em Minas Gerais. In: XII Seminário sobre a Economia Mineira, 2006, Diamantina.
Anais do XII Seminário sobre a Economia Mineira, 2006.
SASSI, M. Agricultural convergence and competitiveness in the EU-15 regions. Contributed
paper prepared for presentation at the International Association of Agricultural
Economists Conference, Gold Coast, Australia, August 12-18, 2006. Disponível em: <
http://ageconsearch.umn.edu/bitstream/25632/1/cp060204.pdf > Acesso em: 13 nov. 2010
67
SECRETARIA DE ESTADO DE AGRICULTURA, PECUÁRIA E ABASTECIMENTO.
(SEAPA). Disponível em: <http://www.agricultura.mg.br> Acesso em: 20 fev. 2009.
SILVA, E ; FONTES, R. ou FONTES, R.M.O. ; ALVES, Luiz Fernando . Análise das
Disparidades Regionais em Minas Gerais. In: XI Seminário sobre a Economia Mineira, 2004,
Diamantina 24 a 27 de agosto, 2004.
SILVA, E.; FONTES, R.; ALVES, L. F. Crescimento e Desigualdade em Minas Gerais. In:
FONTES, R.; FONTES, M. (Eds.). Crescimento e Desigualdade Regional em Minas
Gerais. Viçosa: Editora Folha de Viçosa, 2005.
SILVA FILHO, G. E. da; CARVALHO, E. B. S. A teoria do crescimento endógeno e o
desenvolvimento endógeno regional: investigação das convergências em um cenário pós-
cepalino.
Disponívelem:<http://www.bancodonordeste.gov.br/content/aplicacao/Publicacoes/REN-
Numeros_Publicados/docs/ren2001_v32_ne_a2.pdf> Acesso em: 07 jul. 2010.
SIMON, C. P.; BLUME, L Matemática para Economistas. Porto Alegre: Bookman, 2004.
SPOHR, G.; FREITAS, C. A. Há Convergência do PIB Per Capita da Agropecuária no Brasil
entre 1980 e 2004? In: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA,
ADMINISTRAÇÃO E SOCIOLOGIA RURAL, 46, 2008. Anais... Rio Branco: SOBER,
2008 p. 1-20.
STULP, V. J. Evolução Regional da Produtividade da Mão-de-Obra na Agropecuária Gaúcha:
uma Aplicação da Matriz de Markov. Revista de Economia e Sociologia Rural, v. 42, n. 02,
p. 293-316, 2004.
STÜLP, V.J.; FOCHEZATTO, A. A evolução das disparidades regionais no Rio Grande do
Sul: uma aplicação de matrizes de Marcov. Nova Economia, v. 14, n. 1, 2004.
STULP, Valter J. Evolução Regional da Produtividade da Mão-de-Obra na Agropecuária
Gaúcha: uma Aplicação da Matriz de Markov. Revista de Economia e Sociologia Rural, v.
42, n. 02, p. 293-316, 2004.
SWAN, T. W. Economic growth and capital accumulation. The Economic Record, 1956.
In: VEBLEN, Thorstein (Org.). Imperial Germany and the Industrial Revolution, New
York: Macmillan, 1915.
VICENTE, J. R. Comparação da produtividade agrícola entre as unidades da federação,
1970-1995. Disponível em: <http://www.iea.sp.gov.br/out/verTexto.php?codTexto=8083>
Acesso em: 10 fev. 2009.
WOLFF, Edward N. Capital Formation and Productivity Convergence over the Long Term.
American Economic Review, v. 81, n. 3, p. 565-79, 1991.
YANG, D. T; ZHU, X. Modernization of agriculture and long-term growth. Disponível
em: <http://www.gsm.pku.edu.cn/UserFiles/0708-28(6).pdf> Acesso em: 19 fev. 2009.
68
ANEXOS
69
ANEXO A
Tabela 1A - Relação dos municípios em que houve emancipação
ao longo do período de 1970 a 2006
Município de Origem Município Criado
Abre Campo Pedra Bonita
Açucena Naque
Periquito
Águas Formosas Crisólita
Águas Vermelhas Curral de Dentro
Divisa Alegre
Almenara Divisópolis
Mata Verde
Alpinópolis São José da Barra
Berilo José Gonçalves de Minas
Bertópolis Santa Helena de Minas
Bocaiúva Guaraciama
Olhos-d'Água
Bonfinópolis de Minas Dom Bosco
Natalândia
Borda da Mata Tocos do Moji
Brasília de Minas
Campo Azul
Japonvar
Luislândia
Cambuí Senador Amaral
Campanário Jampruca
Caparaó Alto Caparaó
Capelinha Angelândia
Carangola Fervedouro
Caratinga
Entre Folhas
Imbé de Minas
Ipaba
Piedade de Caratinga
Santa Bárbara do Leste
Santa Rita de Minas
Ubaporanga
Vargem Alegre
Conselheiro Pena Cuparaque
Goiabeira
Coração de Jesus São João da Lagoa
São João do Pacuí
70
Continuação:
Córrego Novo Pingo-d'Água
Divino Orizânia
Dom Silvério Sem-Peixe
Espinosa Mamonas
Formiga Córrego Fundo
Francisco Badaró Jenipapo de Minas
Galiléia São Geraldo do Baixio
Grão Mogol Josenópolis
Padre Carvalho
Iapu Bugre
Ibirité Mário Campos
Sarzedo
Igarapé São Joaquim de Bicas
Inhapim São Domingos das Dores
São Sebastião do Anta
Ipanema Taparuba
Itacarambi São João das Missões
Itaipé Catuji
Itamarandiba Aricanduva
Itanhomi Capitão Andrade
Itinga Ponto dos Volantes
Iturama
Carneirinho
Limeira do Oeste
União de Minas
Januária
Bonito de Minas
Cônego Marinho
Pedras de Maria da Cruz
Joaíma Monte Formoso
João Pinheiro Brasilândia de Minas
Juramento Glaucilândia
Lagoa Santa Confins
Malacacheta Franciscópolis
Setubinha
Manga
Juvenília
Matias Cardoso
Miravânia
Manhuaçu
Luisburgo
Reduto
São João do Manhuaçu
Manhumirim Durandé
Martins Soares
Mantena Nova Belém
São João do Manteninha
Mateus Leme Juatuba
Mato Verde Catuti
Mendes Pimentel São Félix de Minas
Mesquita Santana do Paraíso
Minas Novas Leme do Prado
Mirabela Patis
71
Continuação:
Miraí São Sebastião da
Vargem Alegre
Monte Azul Gameleiras
Jaíba
Muriaé Rosário da Limeira
Peçanha Cantagalo
Ponte Nova Oratórios
Porteirinha
Nova Porteirinha
Pai Pedro
Serranópolis de
Minas
Pratápolis Itaú de Minas
Presidente Olegário Lagoa Grande
Raul Soares Vermelho Novo
Ressaquinha Alfredo Vasconcelos
Rio do Prado Palmópolis
Rio Novo Goianá
Rio Pardo de Minas
Indaiabira
Montezuma
Santo Antônio do
Retiro
Vargem Grande do
Rio Pardo
Rio Preto Santa Bárbara do
Monte Verde
Salinas
Fruta de Leite
Novorizonte
Santa Cruz de Salinas
Santa Bárbara Catas Altas
Santa Maria do Suaçuí José Raydan
São Francisco
Chapada Gaúcha
Icaraí de Minas
Urucuia
Pintópolis
São Gonçalo do Abaeté Varjão de Minas
São João da Ponte Lontra
São João do Paraíso Ninheira
São José do Jacuri Frei Lagonegro
São Romão Riachinho
Taiobeiras Berizal
Teófilo Otoni Novo Oriente de
Minas
Tiradentes Santa Cruz de Minas
Tupaciguara Araporã
Turmalina Veredinha
Ubaí Ponto Chique
Uberaba Delta
Unaí Cabeceira Grande
Uruana de Minas
Varzelândia Ibiracatu
Verdelândia
Vespasiano São José da Lapa
Fonte: Elaborado de acordo com os dados da pesquisa.
72
ANEXO B
Tabela 1B – Classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006.
1970-2006 1975-2006 1980-2006
n= 66 Microrregiões n= 66 Microrregiões n= 66 Microrregiões
Classes Li Ls Classes Li Ls Classes Li Ls
1 0,06 0,47 1 0,06 0,46 1 0,06 0,44
2 0,47 0,71 2 0,46 0,7 2 0,44 0,66
3 0,71 1,02 3 0,7 1,02 3 0,66 0,99
4 1,02 1,41 4 1,02 1,41 4 0,99 1,46
5 1,41 6,95 5 1,41 6,95 5 1,46 6,95
1985-2006 1996-2006
n= 66 Microrregiões n= 66 Microrregiões
Classes Li Ls Classes Li Ls
1 0,06 0,39 1 0,06 0,42
2 0,39 0,56 2 0,42 0,63
3 0,56 0,94 3 0,63 0,96
4 0,94 1,61 4 0,96 1,52
5 1,61 6,95 5 1,52 6,95
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
73
Tabela 2B – Matrizes de transição de Markov para as microrregiões de Minas Gerais no
período de 1970 a 2006.
1970-2006 1975-2006
1 2 3 4 5 1 2 3 4 5
1(09) 0,89 0,11 0 0 0 1(10) 0,9 0,1 0 0 0
2(17) 0,59 0,18 0,06 0,12 0,06 2(10) 0,7 0,1 0,2 0 0
3(13) 0,23 0,23 0,38 0 0,15 3(17) 0,18 0,35 0,24 0,12 0,12
4(13) 0 0,08 0,46 0,38 0,08 4(16) 0,06 0,12 0,31 0,25 0,25
5(14) 0,07 0 0,07 0,29 0,57 5(13) 0 0 0,15 0,38 0,46
1980-2006 1985-2006
1 2 3 4 5 1 2 3 4 5
1(07) 1 0 0 0 0 1(11) 0,82 0,18 0 0 0
2(10) 0,5 0,4 0 0,1 0 2(16) 0,25 0,44 0,25 0,06 0
3(18) 0,33 0,28 0,28 0,11 0 3(13) 0,15 0,08 0,54 0,23 0
4(20) 0 0,1 0,3 0,35 0,25 4(11) 0 0,09 0,18 0,36 0,36
5(11) 0 0 0,18 0,18 0,64 5(15) 0,07 0 0,07 0,53 0,33
1996-2006
1 2 3 4 5
1(10) 0,9 0,1 0 0 0
2(15) 0,4 0,33 0,2 0,07 0
3(14) 0,14 0,36 0,36 0,14 0
4(13) 0 0,08 0,38 0,38 0,15
5(14) 0 0 0 0,43 0,57
Nota: Os valores entre parênteses indicam o número de microrregiões em
cada classe no período inicial.
Fonte: Resultados da pesquisa.
74
(a) (b)
(c) (d)
(e) Fonte: Resultados da pesquisa.
Figura 1B – Comparativo entre a distribuição no estado estacionário para a produtividade relativa
da mão-de-obra na agropecuária das microrregiões de Minas Gera pelo método de Quah
(1992) e Magrini (1999) no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006 (c),
1985 a 2006 (d) 1996 a 2006 (e).
75
Tabela 3B – Classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006.
1970-2006 1975-2006 1980-2006
n= 722 Municípios n= 722 Municípios n= 722 Municípios
Classes Li Ls Classes Li Ls Classes Li Ls
1 -1,25 0,29 1 -0,53 0,28 1 -0,42 0,27
2 0,29 0,4 2 0,28 0,39 2 0,27 0,38
3 0,4 0,52 3 0,39 0,51 3 0,38 0,49
4 0,52 0,64 4 0,51 0,63 4 0,49 0,61
5 0,64 0,77 5 0,63 0,76 5 0,61 0,73
6 0,77 0,9 6 0,76 0,9 6 0,73 0,88
7 0,9 1,09 7 0,9 1,1 7 0,88 1,08
8 1,09 1,36 8 1,1 1,39 8 1,08 1,37
9 1,36 1,85 9 1,39 1,92 9 1,37 1,94
10 1,85 49,41 10 1,92 17,59 10 1,94 17,58
1985-2006 1996-2006
n= 722 Municípios n= 722 Municípios
Classes Li Ls Classes Li Ls
1 -0,42 0,23 1 -0,54 0,23
2 0,23 0,34 2 0,23 0,36
3 0,34 0,44 3 0,36 0,47
4 0,44 0,54 4 0,47 0,58
5 0,54 0,65 5 0,58 0,70
6 0,65 0,81 6 0,70 0,87
7 0,81 1,01 7 0,87 1,10
8 1,01 1,31 8 1,10 1,40
9 1,31 2,05 9 1,40 2,00
10 2,05 17,58 10 2,00 17,59
Nota: Li= limite inferior; Ls= limite superior.
Fonte: Resultados da pesquisa.
Tabela 4B - Matrizes de transição de Markov para os municípios de Minas Gerais no período de 1970 a 2006
1970-2006 1975-2006
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
1(53) 0,57 0,13 0,08 0,06 0,08 0,02 0,02 0 0,04 0,02 1(58) 0,67 0,14 0,12 0,02 0,02 0 0 0 0,02 0,02
2(68) 0,34 0,21 0,15 0,07 0,04 0,03 0,09 0,06 0,01 0 2(61) 0,43 0,21 0,11 0,05 0,05 0,03 0,02 0,03 0,05 0,02
3(75) 0,27 0,15 0,19 0,05 0,09 0,08 0,04 0,05 0,03 0,05 3(62) 0,19 0,13 0,19 0,08 0,05 0,06 0,1 0,06 0,05 0,08
4(74) 0,23 0,15 0,09 0,11 0,12 0,07 0,11 0,03 0,05 0,04 4(67) 0,19 0,19 0,12 0,1 0,07 0,1 0,04 0,04 0,06 0,06
5(78) 0,13 0,05 0,22 0,15 0,1 0,08 0,06 0,08 0,08 0,05 5(69) 0,13 0,12 0,17 0,09 0,12 0,12 0,09 0,06 0,07 0,04
6(81) 0,06 0,1 0,14 0,1 0,1 0,06 0,11 0,11 0,12 0,1 6(86) 0,03 0,09 0,12 0,14 0,17 0,07 0,05 0,13 0,08 0,12
7(84) 0,08 0,11 0,08 0,15 0,05 0,12 0,13 0,12 0,05 0,11 7(88) 0,06 0,07 0,09 0,15 0,06 0,16 0,19 0,11 0,07 0,05
8(76) 0,04 0,09 0,11 0,08 0,09 0,11 0,12 0,12 0,08 0,17 8(76) 0,01 0,04 0,13 0,11 0,16 0,08 0,13 0,11 0,08 0,16
9(83) 0 0,02 0,05 0,07 0,11 0,11 0,08 0,19 0,11 0,25 9(88) 0,02 0,06 0,1 0,1 0,08 0,09 0,1 0,16 0,12 0,16
10(50) 0,02 0,04 0,02 0,02 0,04 0,08 0,08 0,14 0,2 0,36 10(67) 0,03 0,03 0,03 0,03 0,06 0,01 0,12 0,21 0,18 0,3
1980-2006 1985-2006
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
1(25) 0,64 0,12 0,08 0 0 0 0,08 0 0,04 0,04 1(58) 0,62 0,16 0,03 0,09 0,02 0,03 0,05 0 0 0
2(57) 0,46 0,12 0,09 0,07 0,11 0,02 0,02 0,05 0,04 0,04 2(85) 0,25 0,19 0,15 0,11 0,13 0,04 0,04 0,06 0,05 0
3(52) 0,35 0,17 0,13 0,13 0,04 0,06 0,08 0 0,02 0,02 3(72) 0,19 0,14 0,22 0,12 0,06 0,1 0,11 0,03 0,03 0
4(65) 0,25 0,09 0,22 0,14 0,08 0,09 0,08 0,02 0,05 0 4(74) 0,11 0,11 0,15 0,18 0,15 0,08 0,12 0,04 0,05 0,01
5(79) 0,14 0,16 0,15 0,11 0,09 0,04 0,08 0,14 0,05 0,04 5(85) 0,05 0,09 0,08 0,14 0,12 0,14 0,09 0,15 0,08 0,05
6(86) 0,1 0,17 0,08 0,08 0,13 0,1 0,13 0,07 0,08 0,05 6(80) 0,03 0,06 0,17 0,09 0,1 0,05 0,08 0,16 0,1 0,16
7(98) 0,04 0,05 0,12 0,15 0,09 0,14 0,11 0,11 0,09 0,08 7(68) 0,01 0,04 0,07 0,1 0,07 0,1 0,15 0,1 0,26 0,07
8(100) 0,05 0,08 0,09 0,12 0,07 0,13 0,08 0,12 0,14 0,12 8(58) 0 0,02 0,03 0,07 0,09 0,09 0,12 0,26 0,12 0,21
9(103) 0,01 0,03 0,05 0,05 0,13 0,11 0,13 0,17 0,14 0,2 9(68) 0 0 0,03 0,03 0,03 0,21 0,1 0,22 0,15 0,24
10(57) 0,04 0,04 0,07 0,04 0,05 0,02 0,09 0,18 0,12 0,37 10(74) 0,01 0 0,01 0,04 0,04 0,07 0,22 0,19 0,23 0,19
.
76
Continuação:
1996-2006
1 2 3 4 5 6 7 8 9 10
0,56 0,07 0,09 0,07 0,07 0,04 0,04 0,02 0 0,04
0,39 0,23 0,15 0,07 0,05 0,04 0,04 0,01 0,01 0
0,1 0,19 0,21 0,16 0,13 0,07 0,07 0,01 0,03 0
0,14 0,15 0,15 0,19 0,07 0,1 0,08 0,07 0,03 0,03
0,05 0,08 0,24 0,14 0,11 0,12 0,11 0,06 0,05 0,04
0,07 0,19 0,12 0,14 0,16 0,12 0,07 0,04 0,03 0,05
0,01 0,07 0,07 0,03 0,06 0,14 0,23 0,19 0,13 0,07
0,01 0 0,03 0,11 0,11 0,17 0,08 0,2 0,14 0,14
0,02 0 0,01 0,05 0,07 0,11 0,14 0,25 0,14 0,21
0 0 0 0,03 0,01 0,07 0,15 0,14 0,25 0,34
Nota: Os valores entre parênteses indicam o número de municípios em cada classe no período inicial.
Fonte: Resultados da pesquisa
77
78
(a) (b)
(c) (d)
(e)
Fonte: Resultados da pesquisa.
Figura 2B – Comparativo entre a distribuição no estado estacionário para a produtividade relativa
da mão-de-obra na agropecuária das microrregiões de Minas Gera pelo método de Quah (1992)
e Magrini (1999) no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006 (c), 1985 a 2006
(d) e 1996 a 2006 (e).
79
ANEXO C
Tabela 1C – Teste de Normalidade das distribuições de produtividade relativa da mão-de-
obra na agropecuária para os municípios e microrregiões de Minas Gerais
Teste de Normalidade
Kolmogorov-Smirnov
Mu
nic
ípio
s
Ano Statistic N P-valor
1970 0,3146637 722 0,0000
1975 0,1373324 722 0,0000
1980 0,1000162 722 0,0000
1985 0,2266766 722 0,0000
1996 0,1578322 722 0,0000
2006 0,2291631 722 0,0000
Teste de Normalidade
Kolmogorov-Smirnov
Mic
rorr
egiõ
es
Ano Statistic N P-valor
1970 0,1319419 66 0,0061
1975 0,0726537 66 0,2000
1980 0,115022 66 0,0302
1985 0,1934144 66 0,0000
1996 0,146487 66 0,0012
2006 0,1952877 66 0,0000
Nota: N= Tamanho da Amostra
Fonte: Resultados da Pesquisa.
80
ANEXO D
(a)
(b)
81
Continuação:
(c)
(d)
(e)
Fonte: Resultados da pesquisa.
Figura 1D – Evolução das classes de produtividade relativa da mão-de-obra na agropecuária entre as
microrregiões de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006 (c),
1985 a 2006 (d) e 1996 a 2006 (e).
82
(a)
(b)
(c)
(d)
83
Continuação:
(e)
Fonte: Resultados da pesquisa.
Figura 2D – Evolução das classes de produtividade relativa da mão-de-obra na agropecuária entre os
municípios de Minas Gerais no período de 1970 a 2006 (a), 1975 a 2006 (b), 1980 a 2006 (c), 1985 a
2006 (d) e 1996 a 2006 (e).
Top Related